Convolution 第26页

slim.conv2d以及slim.convolution2d与tf.nn.conv2d的不同

前言Slim是一个简化构建，训练和评估神经网络的库：允许用户通过消除样板代码来更紧凑地定义模型。这是通过使用参数范围和许多高级层和变量来实现的。这些工具提高了可读性和可维护性，降低了复制和粘贴超参数值的错误发生的可能性，并简化了超参数调整。通过提供常用的正则化器使开发模型变得简单。Slim可以轻松扩展复杂模型，并通过使用预先存在的模型检查点来热启动训练算法。首先slim.conv2d与slim.c

chestnut--·2018-08-13 15:25

AlexNet ：ImageNet Classification with Deep Convolution Neural Networks

网络架构：网络架构整个网络一共有八层，包括5层卷积层，3层全连接层，最后一层为输出层，输出1000维的vector，表示该image在1000类图像的分布情况。每一卷积层和全连接层的都与激活层相连。第一，第二层卷积层之后，紧连着局部响应归一化层（LocalResponseNormalization），之后为池化层（下采样，MaxPooling）。第五层卷积层，紧连着池化层。各层策略：LocalRe

Loopz·2018-08-10 15:17

各种卷积结构原理及优劣总结

Paul-LouisPröve在Medium上通过这篇文章快速地介绍了不同类型的卷积结构（Convolution）及优势。为了简单起见，本文仅探讨二维卷积结构。卷积首先，定义下卷积层的结构参数。

郭耀华·2018-08-08 16:00

[翻译] 扩张卷积 (Dilated Convolution)

英文原文:DilatedConvolution简单来说，扩张卷积只是运用卷积到一个指定间隔的输入．按照这个定义，给定我们的输入是一个2维图片，扩张率k=1是通常的卷积，k=2的意思是每个输入跳过一个像素，k=4的意思是跳过3个像素．最好看看下面这些k值对应的图片．下面的图片表示了在2维数据上的扩张卷积．红点表示输入到此例中的3x3滤波器的数据点，绿色区域表示这些输入中每一个所捕获的感受野(rece

klchang·2018-08-04 20:00

对于带孔带孔卷积（atrous convolution）rate的计算

在这里我们都知道感受野的含义，同时也知道带孔卷积是为了在不缩小featuremap的大小的同时保持感受野大小不变，在这里我们要明确的说明感受野大小不变是怎么达到的，我们已一个3layer的net来进行说明：rate是为了layer能够保证原有的感受野,所以rate的决定是由上一层的stride（stride>1的一个作用就是增大下层的感受野）rate的计算方式是rate*=stride，rate的

hkzmz·2018-08-02 22:55

【深度学习】caffe下人脸表情训练

文件，这个网上有很多，自己去找2、制作train、val文件，参考论文EmotionRecognitionusingDeepConvolutionalNeuralNetworkslayer{name:"Convolution1

Trehe·2018-07-26 15:14

什么是卷积

本文转载自：http://www.hankcs.com/ml/understanding-the-convolution-in-deep-learning.html译自TimDettmers的UnderstandingConvolutioninDeepLearning

看未来·2018-07-23 02:59

卷积神经网络(CNN)介绍与实践

为了说明这些情况，请看下面这张图片：资料来源：https://medium.freecodecamp.org/an-intuitive-guide-to-convolution

致Great·2018-07-19 16:36

Coursera吴恩达深度学习课程作业：卷积神经网络 4.1（1）

course/2001281004#/info目录：ConvolutionalNeuralNetworks:StepbyStep1-Packages2-OutlineoftheAssignment3-Convolution

lanyu_01·2018-07-11 17:05

Tensorflow深度学习之二十六：atrous convolution

一、空洞卷积（以下信息来自TensorFlow和Google翻译） Computesa2-Datrousconvolution,alsoknownasconvolutionwithholesordilatedconvolution,given4-D`value`and`filters`tensors.Ifthe`rate`parameterisequaltoone,itperformsregul

子为空·2018-07-03 18:08

Tensorflow深度学习之二十六：atrous convolution

一、空洞卷积（以下信息来自TensorFlow和Google翻译） Computesa2-Datrousconvolution,alsoknownasconvolutionwithholesordilatedconvolution,given4-D`value`and`filters`tensors.Ifthe`rate`parameterisequaltoone,itperformsregul

子为空·2018-07-03 18:08

从STN网络到deformable convolution

1STN(SpatialTransformerNetwork)1.1来源论文来源：https://arxiv.org/pdf/1506.02025.pdf参考博客：1.https://blog.csdn.net/ly244855983/article/details/80033788（论文解读）2.https://blog.csdn.net/xbinworld/article/details/69

cmajalis·2018-06-27 10:22

【论文笔记】Non-local Neural Networks

https://arxiv.org/abs/1711.07971v1Author：XiaolongWang,RossGirshick,AbhinavGupta,KaimingHe(CMU,FAIR)0.简述convolution

Elaine_Bao·2018-06-26 21:50

Deconvolution/upsampling convolution/transposed convolution

Deconvolution/upsamplingconvolution/transposedconvolution,arereferredtosamething:Theupsamplingoperationonfeaturemap,itisnotrealdeconvolutionbecauseitcannotrestorethepreviousvalue,butonlytheshape,forma

WeissSama·2018-06-26 03:03

搬砖系列-空洞卷积

相比较原来的convolution空洞卷积多了一个空洞参数，来代替每个卷积核的间隔数量。

googler_offer·2018-06-11 02:27

论文阅读: DCN

Introduction传统的CNN中，convolution和pooling的操作已被定死。

JNingWei·2018-06-10 16:48

论文详解 + TCN 篇知识点补充： Dilated Convolution_空洞卷积

此篇延伸补充的源头文章链接：深度学习+论文详解：TCN_时间卷积网络_原理与优势相关主题推荐文章：如何理解空洞卷积（DilatedConvolution）？相关论文集：Multi-ScaleContextAggregationbyDilatedConvolutionUnderstandingConvolutionforSemanticSegmentationRankingAtrousConvolu

CHUNLIN GO·2018-06-10 14:42

AI数学基础28-数字图像卷积1（Image convolution）

数字图像本质是一个像素亮度值（Intensity）矩阵，每个格子代表一个像素（pixel），如下图所示：假设该图像亮度是8位（8bit），则0表示最黑，255表示最亮；数值越小，颜色越黑，表示亮度越暗；数值越大，颜色越浅，表示亮度越亮。我们把上图，数字化表示，则如下所示：从数学的角度来看，数字图像可以理解为一个二维的矩阵，为了表示方便，不再为相应的亮度数值加上不同的灰度做背景了，如下图所示：图像矩

LabVIEW_Python·2018-06-07 10:01

Multi-channel Pose-aware Convolution Neural Networks for Multi-view Facial Expression Recognition

Multi-channelPose-awareConvolutionNeuralNetworksforMulti-viewFacialExpressionRecognition大体浏览我们知道识别多角度的面部表情是比较困难的，本文提出Multi-channelPose-awareConvolutionNeuralNetworks（MPCNN）来充分利用有限的数据，对多角度的面部表情进行识别。MPC

cassiePython·2018-06-01 15:58

深度学习之卷积转置理解

卷积(convolution):卷积核为3x3；nopadding,strides=1反卷积"(thetransposeofconv)可以理解为upsa

furuit·2018-05-22 17:37

keras实战（三）——手写数字识别（CNN）

老生常谈，导入需要的包：fromkeras.layersimportDense,Activation,Convolution2D,

崔先生的博客·2018-05-13 21:13

Tensorflow快餐教程(9) - 卷积

卷积卷积就是滑动中提取特征的过程在数学中，卷积convolution是一种函数的定义。它是通过两个函数f和g生成第三个函数的一种数学算子，表征函数f与g经过翻转和平移的重叠部分的面积。

lusing·2018-05-04 18:06

【caffe】【特殊层】RoiPooling层

2.部分网络协议：layer{name:"conv5"type:"Convolution"bottom:"conv4"top:"conv5"param{lr_mult:1.0}param{lr_mult

蝴蝶也可以飞过沧海·2018-04-28 18:34

《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation》论文笔记

论文地址：https://arxiv.org/pdf/1802.02611.pdf源码地址：TENSORFLOW语意分割相关，Deeplab3+看了几篇Deeplab的文章。觉得Deeplab的文章的思想还是很相近的，可能方法的创新上不是非常重大的突破。但是方法的应用上都是非常的...嗯，集大成的。通过实验的方式去探索各种方法的结合。探究每一个因素对于网络的影响，从而把前人的精髓都集成到自己的方法

An_chen_·2018-04-23 22:46

深度学习之群卷积（Group Convolution）

最近看到王井东研究员在CSDN上对IGCBlock做的讲座：https://edu.csdn.net/course/play/8320/171433?s=1，很不错，可以看一下。最近在看MSRA的王井东研究员的《InterleavedGroupConvolutionsforDeepNeuralNetworks》。论文中多次提到群卷积这个概念，所以特地学习了一下群卷积。群卷积最早出现于AlexNet

赛艇队长·2018-04-21 15:12

Dilated Convolution(带洞卷积)

1提出原因：传统的FCN，Segnet网络等等pooling（其中池化的意义一方面是降低计算量，另一方面是增大感受野）之后需要对其进行upsampling,以扩大图像尺寸。将图像由小变大的过程势必导致一些信息的丢失，那么就会想到是否可以不进行pooling操作，也可以增大感受野呢。本文提出的dilatedconvolution正是为了解决这个问题。2结构：2.1一维(a)为k=3，stride=2

comeontoto·2018-04-18 11:49

基于U-Net的眼底图像血管分割实例

【英文说明】https://github.com/orobix/retina-unet#retina-blood-vessel-segmentation-with-a-convolution-neural-network-u-net

京局京段蓝白猪·2018-04-17 22:06

对keras环境下的feature map做切片

使用keras下的Convolution2D，或者Input（）函数时，直接输出的是一个featuremap立方体。如果对不同的层进行操作，则需要对featuremap立方体做切片。

lihanlun·2018-04-11 08:06

卷积神经网络结构变换-STN

http://blog.csdn.net/xbinworld原文链接：传送门今天具体介绍一个GoogleDeepMind在15年提出的SpatialTransformerNetworks，相当于在传统的一层Convolution

jiachen0212·2018-04-10 22:13

deeplab v3论文翻译 Rethinking Atrous Convolution for Semantic Image Segmentation

guo_rx·2018-04-07 16:43

ECO(Efficient Convolution Operators for Tracking)解析

github地址https://github.com/HJCYFY/ECO.git前一段时间将ECO_HC使用C++重新实现了一下，使用多线程速度上达到原matlab版的4倍左右，电脑上能达到100帧，某些情况下能达到160帧。如果你也准备实现，使用Eigen进行矩阵操作是个很好的选择。已经开源。ECO的baseline是C-COT(ContinuousConvolutionOperatorTra

短者·2018-04-03 16:00

台大李宏毅--CNN

一：CNN整体流程1.CNN–ConvolutionCNN的Convolution与普通DNN（FullyConnected）的异同**由上面的三个图可以看见，CNN的卷积过程，其实就是普通DNN训练模型的过程

丁磊_Ml·2018-04-01 20:49

Deeplearning - Overview of Convolution Neural Network

FinallypassalltheDeeplearning.aicoursesinMarch!Ihighlyrecommendit!Ifyoualreadyknowthebasicthenyoumaybeinterestedincourse4&5,whichshowsmanyinterestingcasesinCNNandRNN.AlthoughIdothinkthat1&2isbetterstr

风雨中的小七·2018-03-31 22:00

【深度学习入门】——亲手实现图像卷积操作

卷积（convolution）是数学知识，概率论和信号与

frank909·2018-03-22 16:22

沉迷Atrous Convolution无法自拔：DeepLab V3 —— Semantic Image Segmentation

原文很容易理解，建议看官可以稍微瞄一眼~废话不多说，下面正式开始主要谈谈这篇文章的重点和创新之处。目标文章还是延续之前DeepLab系列的风格框架，采用atrousconvolution在保证卷积特征分辨率不变的基础上实现感受野的指数级扩大（语义分割任务的challenge之一）。本文的关注点在于：如何更好的解决multi-scale问题，即分割目标具有不同的大小（语义分割任务的challenge

JYZhang_sh·2018-03-16 21:54

论文阅读学习 - (DeeplabV3+)Encoder-Decoder with Atrous Separable Convolution

论文阅读学习-(DeepLabV3+)Encoder-DecoderwithAtrousSeparableConvolutionforSemanticImageSegmentation[Paper][Code-TensorFlow]摘要：空间金字塔池化模块(spatialpyramidpooling，SPP)和编码-解码结构(encode-decoder)用于语义分割的深度网络结构.SPP利用对多

AIHGF·2018-03-14 16:25

ECO: Efficient Convolution Operators for Tracking

转载至http://blog.csdn.net/zixiximm/article/details/54378397VisualTracking领域大牛（至少我认为是这个领域的大牛）MartinDanelljan又出新作。继C-COT之后又一刷新纪录的作品。不管是从结果还是速度上都有提升，尤其是速度提升明显。用传统特征HOG+CN的版本速度有60+FPS，用CNN+HOG+CN的速度有8FPS，从跟

eatapples·2018-03-14 14:44

ECO: Efficient Convolution Operators for Tracking

转载至http://blog.csdn.net/zixiximm/article/details/54378397VisualTracking领域大牛（至少我认为是这个领域的大牛）MartinDanelljan又出新作。继C-COT之后又一刷新纪录的作品。不管是从结果还是速度上都有提升，尤其是速度提升明显。用传统特征HOG+CN的版本速度有60+FPS，用CNN+HOG+CN的速度有8FPS，从跟

eatapples·2018-03-14 14:44

《Multimodal Gesture Recognition Using 3-D Convolution and Convolutional LSTM》译文

基于三维卷积神经网络和卷积LSTM的多模式手势识别摘要手势识别旨在识别有意义的人体运动，并且在智能人机/机器人交互中是至关重要的。在本文中，我们提出了一种基于三维卷积和卷积长短期记忆（LSTM）网络的多模式手势识别方法。该方法首先通过三维卷积神经网络学习手势的短时空特征，然后基于提取的短时空特征，通过卷积LSTM网络学习长时空特征。此外，多模式数据之间的微调进行了评估，我们发现当没有预训练模型时，

gzj_1101·2018-03-13 16:26

Keras中Conv1D和Conv2D的区别

首先，二者调用的最后的代码都是后端代码（以TensorFlow为例，在tensorflow_backend.py里面可以找到）：x=tf.nn.convolution(input=x,filter=kernel

哈哈进步·2018-03-13 01:04

深度学习之Python 脚本训练keras mnist 数字识别模型

，今天把预测实现了，#LargerCNNfortheMNISTDataset#2.Negativedimensionsizecausedbysubtracting5from1for'conv2d_4/convolution

秉寒CHO·2018-03-08 20:44

Go deeper into semantic segmentation: 应用atrous convolution配合全连接CRFs的深度卷积网络 —— DeepLab V2

目前为止语义分割的最经典框架DeepLab，后续很多分割框架也是根据其修改而来的。其构建思想的闪光点有很多，下面将会一一为各位读者讲解。感兴趣的同学可以参考原文：DeepLab:SemanticImageSegmentationwithDeepConvolutionalNets,AtrousConvolution,andFullyConnectedCRFs创新点–Atrousconvolution

JYZhang_sh·2018-03-08 15:44

Semantic Seg 经典 Fully Convolutional Network 精读与进阶（Shift-and-stitch 到 backwards strided convolution）

文章来源：LongJ,ShelhamerE,DarrellT.Fullyconvolutionalnetworksforsemanticsegmentation[C]//ProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition.2015:3431-3440.Fullyconvolutionalnetwork全卷积神经网络

JYZhang_sh·2018-03-06 15:58

反卷积逆卷积转置卷积(Transposed Convolution；Fractionally Strided Convolution；Deconvolution) 输出维度shape计算

正常卷积运算：如上图：4x4的输入，卷积Kernel为3x3,,输出为2x2。其计算可以理解为：输入矩阵展开为4*4=16维向量，记作x输出矩阵展开为2*2=4维向量，记作y卷积核C为如下矩阵：卷积运算可表示为y=Cx（可以对照动图理解），而卷积的反向传播可以如下，相当于乘以C^T反卷积运算：如上图：2x2的输入，卷积Kernel为3x3,,输出为4x4。如果按照正常卷积，生成的featurema

青盏·2018-02-27 13:11

1*1的卷积核的作用

refer=intelligentunithttps://iamaaditya.github.io/2016/03/one-by-one-convolution/http://blog.csdn.net

chaolei_9527·2018-02-25 11:34

百度无人驾驶apollo项目驾驶行为决策模块深度神经网络算法模型

4activation_relu='relu'model=Sequential()model.add(Lambda(lambdax:x/127.5-1.0,input_shape=(64,64,3)))model.add(Convolution2D

lijianhua1205·2018-02-19 17:25

场景文字识别Sliding Convolution笔记

出自文章，SceneTextRecognitionwithSlidingConvolutionalCharacterModels方法优势：（1）相对于基于先分割再识别的方法，该方法避免了复杂的字符分割过程。（2）避免了rnn训练过程中的梯度消失和梯度爆炸的问题，使得训练过程比较容易（3）相对于基于单词识别的方法，该基于字符识别的方法可以识别基于单词的方法不能识别的单词（4）识别过程可以高度并行化整

watersink·2018-02-11 19:55

OpenGL（十六）通过卷积实现：边缘混合、 Blur 和高斯模糊

卷积卷积(Convolution)是两个变量在某范围内相乘后求和的结果。卷积计算通常用来处理边缘的颜色或整体的混色。作为采样之后的处理，可以供很多功能使用。因此在图像效果处理时，它还是应用比较广泛的。

松阳·2018-02-05 19:33

【深度学习】Depthwise Sparable Convolution（Xception的核心模块）

DepthwiseSeparableConvolution1.简介DepthwiseSeparableConvolution是谷歌公司于2017年的CVPR中在论文”Xception:deeplearningwithdepthwiseseparableconvolutions”中提出。2.结构简介对输入图片进行分通道卷积后做1*1卷积。结构如下图：举例来说，假设输入通道数64，输出通道数64.传统

原来zz·2018-01-28 15:44

读书笔记——《解析卷积神经网络 ——深度学习实践手册（魏秀参）》

#卷积神经网络（CNN）基本概念###发展历程##1959加拿大神经科学家提出感受野概念1980日本科学家福岛邦彦提出神经认知模型，S-cells抽取局部特征—>卷积convolution层，C-cells

madongao·2018-01-26 14:11

推荐频道

Convolution

slim.conv2d以及slim.convolution2d与tf.nn.conv2d的不同

AlexNet ：ImageNet Classification with Deep Convolution Neural Networks

各种卷积结构原理及优劣总结

[翻译] 扩张卷积 (Dilated Convolution)

对于带孔带孔卷积（atrous convolution）rate的计算

【深度学习】caffe下人脸表情训练

什么是卷积

卷积神经网络(CNN)介绍与实践

Coursera吴恩达深度学习课程作业：卷积神经网络 4.1（1）

Tensorflow深度学习之二十六：atrous convolution

Tensorflow深度学习之二十六：atrous convolution

从STN网络到deformable convolution

【论文笔记】Non-local Neural Networks

Deconvolution/upsampling convolution/transposed convolution

搬砖系列-空洞卷积

论文阅读: DCN

论文详解 + TCN 篇知识点补充： Dilated Convolution_空洞卷积

AI数学基础28-数字图像卷积1（Image convolution）

Multi-channel Pose-aware Convolution Neural Networks for Multi-view Facial Expression Recognition

深度学习之卷积转置理解

keras实战（三）——手写数字识别（CNN）

Tensorflow快餐教程(9) - 卷积

【caffe】【特殊层】RoiPooling层

《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation》论文笔记

深度学习之群卷积（Group Convolution）

Dilated Convolution(带洞卷积)

基于U-Net的眼底图像血管分割实例

对keras环境下的feature map做切片

卷积神经网络结构变换-STN

deeplab v3论文翻译 Rethinking Atrous Convolution for Semantic Image Segmentation

ECO(Efficient Convolution Operators for Tracking)解析

台大李宏毅--CNN

Deeplearning - Overview of Convolution Neural Network

【深度学习入门】——亲手实现图像卷积操作

沉迷Atrous Convolution无法自拔：DeepLab V3 —— Semantic Image Segmentation

论文阅读学习 - (DeeplabV3+)Encoder-Decoder with Atrous Separable Convolution

ECO: Efficient Convolution Operators for Tracking

ECO: Efficient Convolution Operators for Tracking

《Multimodal Gesture Recognition Using 3-D Convolution and Convolutional LSTM》译文

Keras中Conv1D和Conv2D的区别

深度学习之Python 脚本训练keras mnist 数字识别模型

Go deeper into semantic segmentation: 应用atrous convolution配合全连接CRFs的深度卷积网络 —— DeepLab V2

Semantic Seg 经典 Fully Convolutional Network 精读与进阶（Shift-and-stitch 到 backwards strided convolution）

反卷积 逆卷积 转置卷积(Transposed Convolution；Fractionally Strided Convolution；Deconvolution) 输出维度shape计算

1*1的卷积核的作用

百度无人驾驶apollo项目驾驶行为决策模块深度神经网络算法模型

场景文字识别Sliding Convolution笔记

OpenGL（十六）通过 卷积 实现： 边缘混合 、 Blur 和 高斯模糊

【深度学习】Depthwise Sparable Convolution（Xception的核心模块）

读书笔记——《解析卷积神经网络 ——深度学习实践手册（魏秀参）》

反卷积逆卷积转置卷积(Transposed Convolution；Fractionally Strided Convolution；Deconvolution) 输出维度shape计算

OpenGL（十六）通过卷积实现：边缘混合、 Blur 和高斯模糊