回答情况：
提问时间：
问题标签：
2回答
这种对卷积神经网络的直观理解是否正确: 1.卷积基本上匹配图像的局部部分与卷积核/滤波器的相似程度。2.核/滤波器就像一个特征检测器。重要的是，它是学习的，并通过SGD自动修改和优化。
浏览 5修改于2016-08-24得票数 1
回答已采纳
1回答
我从互联网上了解到，卷积神经网络是最好的方法。imshow('Processed Video', temp)上面是我写的代码--值(850000,1100000)是矩阵的一个卷积范围的和的值
浏览 4修改于2016-03-15得票数 1
1回答
好吧，我开始理解神经网络的概念了，但我仍然不能理解卷积神经网络的用途/优点/实现，特别是在图像处理中。
我不明白的是如何检测不同大小的物体。
浏览 9提问于2015-08-13得票数 1
1回答
但是一旦训练完成，最后的卷积层就有了最复杂和最完整的特征，比如脸、耳朵、轮子和这样的过滤器，它们可以被全部特征激活。我知道可能有不一致的层次和输入，但除了其他更重要的？
浏览 0提问于2018-01-17得票数 1
回答已采纳
1回答
我训练了一个卷积神经网络，用tensorflow将图像分为两类。我现在想知道如何使用来自神经网络的权重，并在未标记的随机图像上进行测试。tensorflow中是否有这样的函数，还是我现在应该自己运行卷积？
浏览 0提问于2017-04-05得票数 0
回答已采纳
在第一阶段，在输入卷积神经网络(输入层)时，我们接收到一个源图像(即手写英文字母的图像)。首先，我们使用一个从左到右的nxn窗口来扫描图像和在核上进行乘法(卷积矩阵)来建立特征映射。用于边缘检测的卷积核上的数据相乘是否合适？有大量的卷积核(Emboss，高斯滤波，边缘检测，角度检测等)？但是，没有任何地方是写到确切的内核，它需要乘数据来检测手写符号。
浏览 2修改于2015-07-08得票数 2
回答已采纳
1回答
我是深度学习的新手，有一个项目。我想创建一个简单的CNN，用于恶性肿瘤和良性肿瘤(皮肤癌)的二进制分类。我每个班级都有两个文件夹。在机器学习分类中，一个经典的问题有一个特征X_table和一个Y数组。在labels.In我的CNN项目中，我没有每个图像的特征和标签，我只有两个文件夹和分开的类。那么，我如何为训练提供数据，显示标签？我在Keras编码，只需要这一部分的代码。这是一次尝试： # Part 1 - Building the CNN
from keras.models import Seque
浏览 20修改于2019-05-13得票数 1
2回答
现在，我正在尝试构建一个基本的卷积神经网络，以便使用keras对mnist数据集进行简单分类。最后，我想把我自己的图像放进去，我只想先构建一个简单的网络，以确保我的结构正常工作。
浏览 2提问于2015-12-04得票数 3
4回答
我有一个关于卷积神经网络(CNN)训练的问题。
我已经成功地使用tensorflow训练了一个网络，它接受一个输入图像(1600像素)，并输出三个匹配它的类中的一个。
浏览 6修改于2018-06-08得票数 0
3回答
我是CNN的新手，所以我试图通过以下在线教程来学习用python编写代码，我来到了这个教程：https://medium.com/nybles/create-your-first-image-recognition-classifier-using-cnn-keras-and-tensorflow-backend-6eaab98d14dd我遵循了代码，但我遇到了这个小错误，我似乎不知道解决方案： FileNotFoundError: Errno 2没有这样的文件或目录：'random.jpg‘ 这是错误指向的代码： import numpy as np
from keras.prep
浏览 19提问于2019-10-01得票数 0
1回答
我想寻求一些关于神经网络的帮助，我正在做一个学校项目，其中我被要求建立深度假检测神经网络。我不确定为什么要在神经中增加更多的层。我在训练过程中的准确率从第一个时期的0.7跃升到第二到第五个时期的1.0，这是过度拟合和损失值到一个奇怪的数字，希望寻求关于我如何调整神经网络以适应深度假检测的建议。
浏览 3修改于2020-06-29得票数 0
3回答
我在试着理解一篇卷积神经网络中的反向传播文章📷
第一层具有3维度32x32的功能映射。第二层具有32特征映射，其维度18x18。这怎么可能？如果一个内核5x5的卷积应用于32x32输入，则输出的维数应为$(32-5+1)$乘以$(32-5+1)$ = $28$乘$28$。
浏览 0修改于2021-02-13得票数 9
回答已采纳
1回答
我的工作是音频分类，并使用谱图和MFCC图im，以便训练CNN图像分类器。目前，我有两个独立的ConvNets对这些功能进行了培训，平均( 55-60%的准确率)。我对每种型号都有两个独立的重量文件。现在，我想结合这两个模型，即我想从每个音频文件中提取光谱图和MFCC，并测试我已经建立的模型，并获得更高的精度。我怎么能这么做？
浏览 3修改于2020-06-29得票数 1
回答已采纳
1回答
如何选择CNN架构？例如，我有N个类和大小为m*m的图像，我如何确定应该使用哪些层大小和计数？有没有什么通用的公式？在我的例子中，我有16k个类和大小为64*64的图像。你能帮我弄一下吗？
浏览 17提问于2016-08-08得票数 0
回答已采纳
1回答
我想用CNN来检测某些模式，然而，当我试图运行它们时，我的CNN的最后两层会出现错误。我在下面的代码中对这些层进行了注释。*每个Conv2D层在MaxPooling层之前重复。 lambda_layer = tf.keras.layers.Lambda(lambda value: value / 255)(inputs)
xp = tf.keras.layers.Conv2D(64, 3, padd
浏览 5提问于2022-09-03得票数 -2
我想我在某个地方读到，随着层数的增加，卷积神经网络不会像标准的乙状结肠神经网络那样遭受消失梯度问题的困扰。但我一直找不到“为什么”。
它是否真的没有问题，还是我错了，它取决于激活功能？我一直在使用校正线性单元，所以我从未测试过卷积神经网络中的Sigmoid单元
浏览 10提问于2015-03-09得票数 8
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号