卷积
吴恩达卷积神经网络
过滤器、padding（6）、卷积步长（7）、三维卷积、池化层 神经网络的前几层如何检测边缘，有些后面的层可能检测到物体的部分，更靠后的一些层，可能检测到完整的物体 eg：给一个例子，可能首先检测图片中的垂直边缘，或者那你想检测水平边缘 这是6*6*1的灰度矩阵，不是6*6*3的，因为没有RGB三通 ......
鸟类识别系统Python+Django+TensorFlow+卷积神经网络算法【完整代码】
## 一、介绍 鸟类识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。 数据集选自加州理工学院200种鸟类数据集 ......
蔬菜识别系统Python+TensorFlow+Django+卷积神经网络算法
## 一、介绍 蔬菜识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Django框架，开发网页端操作平台，实现用户上传一张图片识别其名称。 ## 二、效果图片 =1$，并且当 $\gcd(a,b)=1$ 时，有 $f(ab) = f(a)f(b)$，则称 $f(n)$ 为积性函数。 如果对于全部的 $a,b$，都有 $f(ab)=f(a)f(b)$，则称 $f(n)$ 是完全积性函数。 ### 常见积性函数 1 ......
子集卷积
两个集合幂级数做卷积的时候可以这样： 对于原来的 $a_i$ ，将其变为 $a_ix^{\text{popcount}(i)}$ 。然后对两个做或卷积，最后卷积之后 $s$ 的值就是 $[x^{\text{popcount}(s)}]$ 。可以理解为 $x^i$ 就是表示有 $i$ 个 $1$ ，然 ......
3.1 卷积神经网路 (Convolutional Neural Networks, CNN)
# 1. 概念引入: Image Classification 我们做图像分类时,一般分为三步: * 所有图片都先 rescale 成大小一样 * 把每一个类别表示成一个 one-hot vector(dimension 的长度决定模型可以辨识出多少不同种类的东西) * 将图片输入到模型中 ![im ......
人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习）
人工智能领域：面试常见问题超全（深度学习基础、卷积模型、对抗神经网络、预训练模型、计算机视觉、自然语言处理、推荐系统、模型压缩、强化学习、元学习） ......
卷积神经网络（LeNet）
[toc] # 1. 卷积神经网络（LeNet） $LeNet$ 最早的卷积神经网络之一（$1989$ 年提出）。用于银行支票上手写数字识别（$1998$ 年杨立坤教授提出）。 ## 1.1 LeNet $LeNet$ $(LeNet-5)$ 由两部分组成： - 卷积编码器：由 $2$ 个卷积层。 ......
初等数论（Ⅳ）：狄利克雷卷积和各类反演
# 前置知识 ## 积性函数 满足 $f(1)=1$，并且当 $\gcd(a,b)=1$ 时，有 $f(ab) = f(a)f(b)$，则称 $f(n)$ 为积性函数。 如果对于全部的 $a,b$，都有 $f(ab)=f(a)f(b)$，则称 $f(n)$ 是完全积性函数。 ### 常见积性函数 1 ......
分组卷积
分组卷积（Grouped Convolution）是一种在卷积神经网络中常用的卷积操作，它将输入特征图分成多个分组，并在每个分组上应用卷积操作。每个分组使用独立的卷积核进行卷积计算，最后将各个分组的输出合并起来形成最终的输出特征图。 传统的卷积操作是在整个输入特征图上进行的，使用一组卷积核对整个特征 ......
深度可分离卷积
深度可分离卷积（Depthwise Separable Convolution）是一种在卷积神经网络中常用的卷积操作，它可以有效地减少计算量和模型参数的数量，从而提高模型的效率和速度。 传统的卷积操作是在输入特征图的每个通道上进行的，使用一组卷积核对每个通道进行卷积计算。而深度可分离卷积将卷积操作分 ......
[重读经典论文] ConvNeXt——卷积网络又行了
参考博客：ConvNeXt网络详解 参考视频：13.1 ConvNeXt网络讲解 ConvNeXt其实就是面向Swin Transformer的架构进行炼丹，最后获得一个比Swin Transformer还要牛逼的网络。 ......
深度学习应用篇-计算机视觉-视频分类[8]：时间偏移模块（TSM）、TimeSformer无卷积视频分类方法、注意力机制
深度学习应用篇-计算机视觉-视频分类[8]：时间偏移模块（TSM）、TimeSformer无卷积视频分类方法、注意力机制 ......
【学习笔记】狄利克雷卷积与高级筛法
# 狄利克雷卷积 ## 概念 对于数论函数 $f,g$，定义其狄利克雷卷积 $h=f*g$，满足： $$h(n)=(f*g)(n)=\sum_{d\mid n} f(d)g\left(\dfrac{n}{d}\right)$$ 运算律： - 满足交换律，显然具有对称性。 - 满足结合律，等价于三个 ......
算法学习笔记(24): 狄利克雷卷积和莫比乌斯反演
# 狄利克雷卷积和莫比乌斯反演 > 看了《组合数学》，再听了学长讲的……感觉三官被颠覆…… [TOC] ## 狄利克雷卷积 如此定义： $$ (f*g)(n) = \sum_{xy = n} f(x)g(y) $$ 或者可以写为 $$ (f * g)(n) = \sum_{d | n} f(d) g ......
论文-用于射频无人机监控系统的高性能卷积网络
# RF-UAVNet: High-Performance Convolutional Network for RF-Based Drone Surveillance Systems RF-UAVNet: High-Performance Convolutional Network for RF-B ......
[cnn][julia]Flux实现卷积神经网络cnn预测手写MNIST
# julia_Flux ### 1.导入Flux.jl和其他所需工具包 ```julia using Flux, MLDatasets, Statistics using Flux: onehotbatch, onecold, logitcrossentropy, params using MLD ......
莫比乌斯反演 & 狄利克雷卷积
~~大家好，我不会数学实锤了。~~ 文章内容较杂，分章节叙述了的大部分有关内容。 ~~为什么把这俩放一起？我不知道。~~ ## 积性函数 积性函数：$\forall a,b$，$a\perp b$，如果一个函数 $f$ 始终满足 $f(ab) = f(a)f(b)$，则称 $f(x)$ 为积性函数。 ......
一个有趣的问题：卷积和池化能否相互代替？
本文来自公众号“AI大道理” 卷积和池化层在神经网络中非常常见。 正因为习以为常，所以容易让人误以为是必不可少的。 那么卷积能代替池化吗？ 池化又能否代替卷积呢？ 要想回答这个问题，必须深究其本质，才能看清楚他们是否不可获取，以及缺了会怎么样。 编辑 1、卷积的本质 卷积是一种运算，特征图与卷 ......
DHVT：在小数据集上降低VIT与卷积神经网络之间差距，解决从零开始训练的问题
VIT在归纳偏置方面存在空间相关性和信道表示的多样性两大缺陷。所以论文提出了动态混合视觉变压器(DHVT)来增强这两种感应偏差。 在空间方面，采用混合结构，将卷积集成到补丁嵌入和多层感知器模块中，迫使模型捕获令牌特征及其相邻特征。 在信道方面，引入了MLP中的动态特征聚合模块和多头注意力模块中全新的 ......
FFT——快速处理卷积
## 前置知识 ### 卷积 符号为 $*$。 设多项式 $A(x) = a_0 + a_1x + a_2x^2 + \cdots + a_nx^n, B(x) = b_0 + b_1x_1 + b_2x^2 + \cdots + b_nx^n$，则有 $$ (A * B)[n] = \sum_{i ......
在树莓派上实现numpy的conv2d卷积神经网络做图像分类，加载pytorch的模型参数，推理mnist手写数字识别，并使用多进程加速
这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是卷积识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： import torch import torch.nn as nn import torch.optim as optim from ......
使用卷积神经网络实现影评数据的分类
一、实验目的 熟悉循环神经网络在文本分析和分类上的应用 二、实验原理或实验内容 从keras的数据集中加载影评数据，注意需要填充（截断）数据，并转成数组的形式。 构建一个神经网络模型，要求使用词嵌入和循环层，并使用划分好的训练集数据训练模型，使用划分好的测试集的数据验证模型，训练迭代20次。 获取训 ......
卷积神经网络（CNN）进行特征提取
卷积神经网络（CNN）是一种深度学习模型，广泛应用于图像分类、目标检测、语音识别等领域。CNN通过卷积层、池化层、全连接层等组成，可以自动地从原始数据中提取特征。 卷积层是CNN的核心组成部分，它通过滑动卷积核对输入数据进行卷积操作，提取出图像的特征。卷积核的大小、步长、填充等参数可以根据任务需求进 ......
C++ 手搓 CNN 卷积神经网络
代码请自取 https://github.com/xoslh/CNN-MNIST-CPP- # 1 卷积神经网络-CNN 的基本原理 卷积神经网络(Convolutional Neural Networks, CNNs)是一种深度学习算法，特别适用于图像处理和分析。其设计灵感来源于生物学中视觉皮 ......
使用卷积神经网络实现猫和狗的预测
1、将图片数据分为训练集和验证集，训练集中猫和狗各300张图片，验证集中猫和狗各200张图片。 2、构建一个神经网络模型，并使用划分好的训练集数据训练模型，使用验证集的数据验证模型，训练迭代30次，建议使用生成器。 3、获取训练过程中的训练精度、验证精度，并使用matplotlib来绘制精度变化曲线 ......
深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算
# 深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算 # 1.计算机视觉与卷积神经网络 ## 1.1计算机视觉综述 计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目 ......