convolution

IEEE--DSConv: Efficient Convolution Operator 论文翻译

论文地址:https://arxiv.org/pdf/1901.01928v1.pdf目录摘要1介绍2相关工作3DSConv层4量化过程5分布偏移6优化推断7训练8结果8.1ImageNet8.2内存和计算负载8.3转移性9结论摘要我们引入了一种卷积层的变体，称为DSConv（分布偏移卷积），可以轻松替换标准神经网络架构，实现较低的内存使用和更高的计算速度。DSConv将传统的卷积核分解为两个组成
森爱。·2023-11-25 19:45

Implicit GEMM Algorithm

https://github.com/NVIDIA/cutlass/blob/main/media/docs/implicit_gemm_convolution.mdconvim2colNV实现原理
zou丢的生化环·2023-11-21 18:39

#deep_learning_month4_week1_Convolution_model_Application

deep_learning_month4_week1_Convolution_model_Application标签：机器学习深度学习代码已上传github:https://github.com/PerfectDemoT
PerfectDemoT·2023-11-20 13:44

Pytorch(五)：神经网络之 torch.nn——Convolution Layers

目录一、卷积-Convolution1nn.Conv1d1.1原型&参数1.2输入&输出的shape1.3属性1.4示例2nn.Conv2d2.1原型&参数2.2输入&输出的shape2.3属性2.4示例
犬冢紬希·2023-11-16 22:09

pytorch文档阅读（二）torch.nn.Convolution layers

1.模块功能简介这个模块就是torch为我们设计好的一些层结果，比如我想给网络加一个卷积层，直接用这个模块里的函数就可以实现，而不像低级语言需要自己编写层间的矩阵乘法以及变量的储存等工作，极大提高了网络搭建的效率。一行代码就可以给网络添加一个二维卷积层：self.conv1=nn.Conv2d(3,6,5)Convolutionlayers模块包含的子模块2.子模块介绍1）Conv1d对一个信号进
陌生的天花板·2023-11-16 22:08

【Pytorch笔记】7.torch.nn (Convolution Layers)

我们常用torch.nn来封装网络，torch.nn为我们封装好了很多神经网络中不同的层，如卷积层、池化层、归一化层等。我们会把这些层像是串成一个牛肉串一样串起来，形成网络。先从最简单的，都有哪些层开始学起。ConvolutionLayers-卷积层torch.nn.Conv1d()1维卷积层。torch.nn.Conv1d(in_channels,out_channels,kernel_size
xhyu61·2023-11-16 22:37

Pytorch 之torch.nn初探第4关：卷积--Convolution Layers

经过前几节的的学习，想必大家对torch.nn有了初步的了解。接下来，向大家介绍神经网络中的一种特殊的定义——卷积层！任务描述本关任务：本关提供了一个Variable类型的变量input，按照要求创建一Conv1d变量conv，对input应用卷积操作并赋值给变量output，并输出output的大小。相关知识卷积的本质就是用卷积核的参数来提取原始数据的特征，通过矩阵点乘的运算，提取出和卷积核特征
爱码蔡蔡子·2023-11-16 22:37

YOLO算法改进6【中阶改进篇】：depthwise separable convolution轻量化C3

常规卷积操作对于一张5×5像素、三通道（shape为5×5×3），经过3×3卷积核的卷积层（假设输出通道数为4，则卷积核shape为3×3×3×4，最终输出4个FeatureMap，如果有samepadding则尺寸与输入层相同（5×5），如果没有则为尺寸变为3×3深度可分离卷积逐通道卷积DepthwiseConvolutionDepthwiseConvolution的一个卷积核负责一个通道，一个
梦在黎明破晓时啊·2023-11-16 13:36

基于MATLAB的图像卷积运算

卷积（Convolution）是数学上的一种积分变换，主要作用是为了获取某个函数的局部信息。。
小游园·2023-11-15 03:03

【目标跟踪】ECO算法论文阅读：ECO: Efficient Convolution Operators for Tracking

文章目录1.论文概要2.研究背景和动机3.相关滤波用于目标跟踪的原理4.ECO算法流程5.ECO算法创新点5.1特征降维：PCA5.2训练集简化：GMM5.3模型更新策略：间歇更新1.论文概要论文下载地址：ECO:EfficientConvolutionOperatorsforTracking发表时间：CVPR2017作者：MartinDanelljan（瑞典），目标跟踪领域的大牛官方代码：htt
ctrl A_ctrl C_ctrl V·2023-11-14 12:18

LightGCN- Simplifying and Powering Graph Convolution Network for Recommendation【论文精读】

文章目录1.背景（NCF、NGCF）1.1论文关系图1.2NCF介绍1.2.1MF存在的问题1.2.2MF-->NCF的变化1.2.3NCF混合模型1.3图表示学习1.4NGCF介绍1.4.1NGCF提出背景1.4.2NGCF动机与创新点1.4.3高阶连通性包含协作信号1.4.4NGCF模型1.4.5NGCF总结2.论文主要内容2.1NGCF与LightGCN主要区别2.2NGCF与LightGC
阿牛大牛中·2023-11-11 14:51

卷积神经网络-Python、TensorFlow和Keras p.3的深度学习基础

CNN的基本结构如下：Convolution->Pooling->Convolution->Pooling->FullyConnectedLayer->Ou
派森师兄·2023-11-09 17:52

关于卷积神经网络中如何计算卷积核大小（kernels）

首先需要说明的一点是，虽然卷积层得名于卷积（convolution）运算，但我们通常在卷积层中使用更加直观的计算方式，叫做互相关（cross-correlation）运算。
GarsonW·2023-11-08 16:29

YOLOv8-Seg改进：动态蛇形卷积（Dynamic Snake Convolution） | ICCV2023

本文改进：动态蛇形卷积（DynamicSnakeConvolution）,增强微小特征提取能力，引入到YOLOv8-Seg，与C2f结合实现二次创新DynamicSnakeConvolution亲测在番薯破损分割任务中，[email protected]从原始的0.625提升至0.645YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv学姐带你学习YOLOv8，从入门到创新，轻轻
会AI的学姐·2023-11-07 22:30

NNDL 作业6 卷积

一、概念（一）卷积（1）什么叫卷积卷积、旋积或褶积(英语：Convolution)是通过两个函数f和g生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，描述一个函数和另一个函数在某个维度上的加权
今天也是元气满满的一天呢·2023-11-06 07:55

YOLOv8改进：卷积变体系列篇 | 动态蛇形卷积（Dynamic Snake Convolution） | ICCV2023

本文改进：动态蛇形卷积（DynamicSnakeConvolution）,增强微小特征提取能力，引入到YOLOv8，与C2f结合实现二次创新DynamicSnakeConvolution亲测在多个数据集能够实现涨点，同样适用于小目标检测YOLOv8改进专栏：http://t.csdnimg.cn/hGhVK学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1.DynamicSnakeCon
会AI的学姐·2023-11-06 03:28

第四课第一周编程作业assignment1-Convolution+model+-+Application

ConvolutionalNeuralNetworks:ApplicationWelcometoCourse4'ssecondassignment!Inthisnotebook,youwill:ImplementhelperfunctionsthatyouwillusewhenimplementingaTensorFlowmodelImplementafullyfunctioningConvNet
yanghedada·2023-11-03 23:24

Octave Convolution学习笔记 （附代码）

论文地址：https://export.arxiv.org/pdf/1904.05049代码地址：https://gitcode.com/mirrors/lxtgh/octaveconv_pytorch/overview?utm_source=csdn_github_accelerator1.是什么？OctaveNet网络属于paper《DropanOctave:ReducingSpatialRe
无妄无望·2023-11-01 10:22

空洞卷积(dilated convolution)理解

相比原来的正常convolution，dilatedconvolution多了一个hyper-parameter称之为dilationrate指的是kernel的
reallocing·2023-10-31 01:17

caffe Layers及参数

1、Convolution层：层类型：Convolution参数：lr_mult:学习率系数，最终的学习率=lr_mult*base_lr,如果存在两个则第二个为偏置项的学习率，偏置项学习率为权值学习率的
小明大白·2023-10-30 19:32

基于 ResNet18 架构使用 deformable convolution的车道线检测

下面是一个基于关键点的车道线检测网络的PyTorch代码示例，其中使用了deformableconvolution。该代码示例基于ResNet18架构，可以根据实际情况进行修改。首先，需要导入必要的库和模块：importtorchimporttorch.nnasnnimporttorch.nn.functionalasFfromtorch.nn.modules.utilsimport_pairfr
ywfwyht·2023-10-29 23:39

depthwise convolution/深度可分离卷积

在有关于前面的全卷积全连接网络的查询中，需要对计算量参数量进行了解，由此引申到深度可分离卷积对参数量的巨幅消减。在本文中对此进行总结。综述：DepthwiseSeparableConvolution主要思想是对传统卷积做了一个分解：将传统卷积分成depthwise和pointwise两步来完成。其中depthwise就是对输入特征的每一层的featuremap仅仅单独使用一个filter，然后对得
NCU_wander·2023-10-27 23:59

卷积神经网络基础note

如果去查卷积的概念，可能会出现这样的定义：卷积（convolution）是通过两个函数f，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。
AI_er·2023-10-27 08:18

Rethinking Atrous Convolution for Semantic Image Segmentation

此paper提出的结构又称DeepLabv3，为了解决图像分割中捕捉多尺度上下文信息的问题，主要是对之前的DeepLabv2结构的改进。有两个地方的创新：一个是ASPP的改进，另一个就是“串联”结构。与前几个版本的区别还在于丢掉了DenseCRF，增加了BatchNormalization。首先是“串联”结构：cascadedmodule“串联”结构主要是在原来的ResNet基础上复制最后一个bl
星艺wxx·2023-10-26 00:43

CUTLASS: Implicit GEMM Convolution

以下内容翻译自：CUTLASS中的ImplicitGEMMConvolutionCUTLASSConvolutionImplicitGEMM是将卷积操作表述为GEMM(广义矩阵-矩阵积)。卷积接受激活张量并对其应用滑动滤波器以产生输出张量。Introduction此版本的CUTLASS包含几个与卷积相关的工件。ImplicitGEMMAlgorithmCUTLASSConvolutionImple
图波列夫·2023-10-25 09:28

CVPR 2021 | Involution：超越 Convolution 和 Self-attention 的神经网络新算子

本文是对我们CVPR2021被接收的文章Involution:InvertingtheInherenceofConvolutionforVisualRecognition的解读，同时也分享一些我们对网络结构设计（CNN和Transformer）的理解。这篇工作主要是我和SENet的作者胡杰一起完成的，也非常感谢HKUST的两位导师陈启峰和张潼老师的讨论。作者：青源研究组成员李铎论文地址：arxiv
智源社区·2023-10-24 17:16

阅读文献1：Bootstrapping ViTs: Towards Liberating Vision Transformers from Pre-training（文章翻译及自身的理解和总结）

这里也没有什么好解释哒，我也直接翻译过来：四、RelatedWork（1）VisionTransformers（2）KnowledgeDistillation五、Method1.Preliminaries1.1Convolution1.2MHSA2
G氏yousa·2023-10-24 11:52

改进YOLO系列 | YOLOv5/v7 引入 Dynamic Snake Convolution | 动态蛇形卷积

准确分割拓扑管状结构，如血管和道路，在各个领域中至关重要，可以确保下游任务的准确性和效率。然而，许多因素使任务复杂化，包括细小的局部结构和可变的全局形态。在这项工作中，我们注意到管状结构的特殊性，并利用这一知识来引导我们的DSCNet，以在三个阶段同时增强感知：特征提取、特征融合和损失约束。首先，我们提出了一种动态蛇卷积，通过自适应地关注细长且弯曲的局部结构，以精确捕捉管状结构的特征。随后，我们提
迪菲赫尔曼·2023-10-23 06:02

时间序列预测 DDSTGCN: Dual Dynamic Spatial-Temporal Graph Convolution Network for Traffic Prediction...

DDSTGCNDualDynamicSpatial-TemporalGraphConvolutionNetworkforTrafficPrediction1.概述2.模型结构3.DualSpatial-TemporalBlock【DST-Block】——双重时空块捕获交通流图的节点和边的时空特征3.1dualtransformations对偶变化——实现交通流图与其超图之间的互相变换3.2DIM模
苹果就叫不呐呐·2023-10-23 03:01

探索未来的视觉革命：卷积神经网络的崭新时代（二）

文章目录引言GoogleNet的架构1×1convolution如何有效避免梯度消失？总结本节在
小馒头学python·2023-10-22 15:08

【综述】神经网络中不同类型的卷积层

1.Convolution下图是一个单通道卷积操作的示意图：image在深度学习中，卷积的目的是从输入中提
pprpp·2023-10-20 10:25

PyTorch 深度学习之卷积神经网络(高级篇)Advanced CNN(十)

0.Revision前面讲的比较简单的是串行网络结构1.GoogLeNet1.1Inceptionmodulewh要一致whatis1×1convolution?
河图洛水·2023-10-16 00:39

self attention机制

主要思想：CNN中的convolution单元每次只关注邻域kernelsize的区域，就算后期感受野越来越大，终究还是局部区域的运算，这样就忽略了全局其他片区（比如很远的像素）对当前区域的贡献。
菜田的守望者w·2023-10-14 03:29

Partial convolution && Gated convolution

组会讨论帖1.图像修复图像修复（inpainting），顾名思义，就是将图像中损坏的部分修复起来，是一种图像编辑技术，可以应用在移除物体、修复老照片、图像补全（eg,地震插值）等等。2.Partialconvolution论文链接：ImageInpaintingforIrregularHolesUsingPartialConvolutions(2018ECCV)在这之前的深度学习图像补全方法都是使
uodgnez·2023-10-13 13:16

阅读《QAnet》QANET: COMBINING LOCAL CONVOLUTION WITH GLOBAL SELF-ATTENTION FOR READING COMPREHENSION Ad

当前端对端的QA模型主要构建在循环神经网络上并结合attention。虽然成功，但是训练速度慢。因此，提出的QANet模型，无需循环网络，其encoder=卷积+self-attention，提升了训练速度(3x->13x)和推理速度(4x->9x)。进而，可以训练更多数据。结合了翻译模型的反向翻译生成的数据，做数据增强，得到F1:84.6（原本：81.8）.数据：SQuAD数据集学术会议：ICL
qq_48566899·2023-10-11 22:59

可分离卷积(Separable Convolution)等价转换为传统卷积(Ordinary convolution)的方法,(等价转换，即最终处理效果一致)...

写在前面：可分离卷积提出的原因  卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数，应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件，显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的SeparableConvolution就是降低卷积运算参数量的一种典型方法。  SeparableConvolutio
ZhemgLee·2023-10-10 23:45

YOLOv8血细胞检测（2）：动态蛇形卷积（Dynamic Snake Convolution），增强细长微弱特征 | ICCV2023

本文独家改进：动态蛇形卷积（DynamicSnakeConvolution），增强细长微弱的局部结构特征与复杂多变的全局形态特征DynamicSnakeConvolution|亲测在血细胞检测项目中涨点，[email protected]从原始0.895提升至0.908收录专栏：YOLO医学影像检测：http://t.csdnimg.cn/N4zBP✨✨✨实战医学影像检测项目，通过创新点验证涨点可行性；✨✨✨入门医学
AI小怪兽·2023-10-09 09:49

我用的caffenet模型参数设置

/该层的类型top:“data”//该层的输出input_param{shape:{dim:10dim:3dim:227dim:227}}}layer{name:“conv1”//卷积层1type:“Convolution
小赵同学，·2023-10-05 13:34

阅读笔记-CvT： Introducing Convolutions to Vision Transformers

代码：https://github.com/rishikksh20/convolution-vision-transformers/image.png这篇文章的目的是在ViT框架中融入CNN的特性，从而引入局部特征
熙熙江湖·2023-10-01 13:06

1x1 Convolution

参考视频1、参考视频2如果我们有一个HxWxC维度的Tensor，在设计Kernel的时候，往往使用3x3或者5x5这样的值，这样常规的卷积核非常好理解，在进行卷积的时候，其实是进行的WxHxC的三维卷积。如果我们的卷积核大小为1x1呢？其实理解方式和任何WxH的卷积核是一样的，只是在W和H这两个维度，它完全不计入其他像素，而只考虑当前像素，所以进行的时1x1xC的三维卷积。也就是只考虑C这个维度
学而时习之_不亦说乎·2023-09-30 07:26

Dynamic Convolution：在卷积核上的注意力

★★★本文源自AlStudio社区精品项目，【点击此处】查看更多精品内容>>>DynamicConvolution：在卷积核上的注意力摘要轻量级卷积神经网络（CNNs）由于其较低的计算预算限制了CNNs的深度（卷积层数）和宽度（通道数），导致其表示能力有限，从而导致性能下降。为了解决这个问题，我们提出了动态卷积，一种在不增加网络深度或宽度的情况下增加模型复杂性的新设计。动态卷积不是每层使用一个卷积
AI Studio·2023-09-28 15:04

Yolov8小目标检测（19）：动态蛇形卷积（Dynamic Snake Convolution），增强细长微弱特征 | ICCV2023

本文独家改进：动态蛇形卷积（DynamicSnakeConvolution），增强细长微弱的局部结构特征与复杂多变的全局形态特征DynamicSnakeConvolution|亲测在红外弱小目标检测涨点，[email protected]从0.755提升至0.77Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，带你轻松实现小目标
AI小怪兽·2023-09-28 15:34

Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

即DeepLabv3+，主要是在DeepLabv3的基础上进行了一些创新，加入了一个Decoder模块来对分割结果尤其是边界进行细化，而且尝试引入Xception来作为encoder模块中的base网络。主要贡献：1、提出一个encoder-decoder的结构，使用deeplabv3作为encoder，decoder结构是一个新的模块。2、可以通过atrousconvolution任意控制提取的
星艺wxx·2023-09-26 19:37

DUC（dense upsampling convolution）模块的实现（Pytorch）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、DUC模块二、Pytorch实现DUC模块前言在UnderstandingConvolutionforSemanticSegmentation这篇论文中提出了DUC模块，DUC的全称是denseupsamplingconvolution，即密集上采样卷积。提出的背景是：在decoder阶段，一般采用双线性插值和转置卷积
饭饭饭饭饭炒蛋·2023-09-26 08:13

【论文精读】ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision

HierarchicalText-ConditionalImageGenerationwithCLIPLatents前言Abstract1.Introduction2.Background2.1.TaxonomyofVision-and-LanguageModels2.2.ModalityInteractionSchema2.3.VisualEmbeddingSchemaRegionFeature
HERODING77·2023-09-23 20:07

【第41篇】ConvMAE：Masked Convolution 遇到 Masked Autoencoders

文章目录摘要1简介2方法2.1MAE的简要回顾2.2ConvMAE2.3ConvMAE用于目标检测和语义分割2.4ConvMAE用于视频理解3实验3.1ImageNet-1K预训练和微调3.2物体检测3.3语义分割3.4视频理解3.5ConvMAE的消融研究4相关工作5结论摘要论文地址：https://arxiv.org/pdf/2205.03892视觉转换器(ViT)已成为各种视觉任务广泛采用的
静静AI学堂·2023-09-22 05:24

Conformer ASR详解

Conformer:Convolution-augmentedTransformerforSpeechRecognition论文地址：https://arxiv.org/abs/2005.08100Conformer
glow-worm·2023-09-21 06:24

Deformable Convolution 可变形卷积

论文：https://openaccess.thecvf.com/content_ICCV_2017/papers/Dai_Deformable_Convolutional_Networks_ICCV_2017_paper.pdf代码：https://github.com/4uiiurz1/pytorch-deform-conv-v2/blob/master/deform_conv_v2.py参考
Scabbards_·2023-09-21 00:45

基于Yolov8的野外烟雾检测（3）：动态蛇形卷积（Dynamic Snake Convolution），实现暴力涨点 | ICCV2023

目录1.Yolov8介绍2.野外火灾烟雾数据集介绍3.DynamicSnakeConvolution3.1DynamicSnakeConvolution加入到yolov84.训练结果分析5.系列篇1.Yolov8介绍UltralyticsYOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本。YOLOv8是一种尖端的、最先进的（SOTA）模型，它建立在先前YOLO成
AI小怪兽·2023-09-20 00:23

图卷积神经网络(GCN)入门

卷积核的数学性质：平移不变性非欧数据之图：最大挑战——没有关于卷积的直观定义本文主要解决：①如何定义图上的convolution②如何定义图上的pooling如何定义图上的卷积
CSU迦叶·2023-09-19 17:52
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他