convolution
MMGCN: Multi-modal Graph Convolution Network for Personalized Recommendation of Micro-video
目录概符号说明MMGCN代码 Wei Y., Wang X., Nie L., He X., Hong R. and Chua T. MMGCN: Multi-modal graph convolution network for personalized recommendation of mic ......
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation * Authors: [[Meng-Hao Guo]], [[Cheng-Ze Lu]], [[Qibin Hou]], [[Zhengning ......
Fully convolutional networks for semantic segmentation
Fully convolutional networks for semantic segmentation * Authors: [[Jonathan Long]], [[Evan Shelhamer]], [[Trevor Darrell]] DOI: 10.1109/CVPR.2015.729 ......
U-Net: Convolutional Networks for Biomedical Image Segmentation
U-Net: Convolutional Networks for Biomedical Image Segmentation * Authors: [[Olaf Ronneberger]], [[Philipp Fischer]], [[Thomas Brox]] Local library 初读 ......
InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions 可变形卷积v3
InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions * Authors: [[Wenhai Wang]], [[Jifeng Dai]], [[Zhe Chen]], [[Z ......
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network * Authors: [[Wenzhe Shi]], [[Jose Caballer ......
CBAM: Convolutional Block Attention Module
CBAM: Convolutional Block Attention Module * Authors: [[Sanghyun Woo]], [[Jongchan Park]], [[Joon-Young Lee]], [[In So Kweon]] doi:https://doi.org/10. ......
Scale-Prior Deformable Convolution for Exemplar-Guided Class-Agnostic Counting
Scale-Prior Deformable Convolution for Exemplar-Guided Class-Agnostic Counting 初读印象 comment:: （计数用的一个网络）提出了一个标度优先的可变形卷积，将典范的信息，例如标度，整合到计数网络主干中。 动机 本文考 ......
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images * Authors: [[Bowei Du]], [[Yecheng ......
论文精读：STMGCN利用时空多图卷积网络进行移动边缘计算驱动船舶轨迹预测（STMGCN: Mobile Edge Computing-Empowered Vessel Trajectory Prediction Using Spatio-Temporal Multigraph Convolutional Network）
《STMGCN: Mobile Edge Computing-Empowered Vessel Trajectory Prediction Using Spatio-Temporal Multigraph Convolutional Network》 论文链接：https://doi.org/10. ......
论文精读：基于具有时空感知的稀疏多图卷积混合网络的大数据驱动船舶轨迹预测（Big data driven trajectory prediction based on sparse multi-graph convolutional hybrid network withspatio-temporal awareness）
论文精读：基于具有时空感知的稀疏多图卷积混合网络的大数据驱动船舶轨迹预测 《Big data driven vessel trajectory prediction based on sparse multi-graph convolutional hybrid network with spati ......
Exercise 3 - Convolutions
Exercise 3 - Convolutions 在视频中，您了解了如何使用卷积来改进时尚 MNIST。在练习中，请看您能否仅使用一个卷积层和一个 MaxPooling 2D 将 MNIST 的准确率提高到 99.8% 或更高。一旦准确率超过这一水平，就应停止训练。这应该在 20 个历元以内完成， ......
how convolutions work
how convolutions work 让我们在二维灰度图像上创建一个基本卷积，探索卷积是如何工作的。首先，我们可以从 scipy 中获取 "asccent "图像来加载图像。这是一张漂亮的内置图片，有很多角度和线条。 import cv2 import numpy as np from sci ......
Improving Computer Vision Accuracy using Convolutions
Improving Computer Vision Accuracy using Convolutions 在前面的课程中，你们了解了如何使用包含三层的深度神经网络（DNN）进行时装识别，这三层分别是输入层（数据的形状）、输出层（所需输出的形状）和隐藏层。你试验了不同大小的隐藏层、训练epoch ......
[ABC315Ex] Typical Convolution Problem
题目链接 首先观察到这个形式，容易发现它和常规的卷积不同点就在于：题目给出的求和定义中，\(\sum\) 符号下面的式子是 \(i+j<N\) 求和而不是 \(i+j=N\)。 为了方便计算，我们引入： \[G_n=\sum_{i+j<N}F_iF_j \]我们发现，假设所有 \(F_{1\sim{ ......
Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
目录概符号说明MotivationChebNetII代码 He M., Wei Z. and Wen J. Convolutional neural networks on graphs with chebyshev approximation, revisited. NIPS, 2022. 概 作 ......
MS-TCN++: Multi-Stage Temporal Convolutional Network for Action Segmentation
论文名： MS-TCN++: Multi-Stage Temporal Convolutional Network for Action Segmentation "MS-TCN++: 用于动作分割的多阶段时域卷积" Shi-Jie Li#, Yazan AbuFarha#, Yun Liu, Mi ......
Distilling Knowledge from Graph Convolutional Networks
目录概符号说明DistillGCNLocal Structure Preserving代码 Yang Y., Qiu J., Song M., Tao D. and Wang X. Distilling knowledge from graph convolutional networks. CVP ......
《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记
论文标题 《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》 干什么活：交通流预测（traffic flow forecasting ） 方法：动态图卷积网络（Dynamic Graph Convolu ......
论文：Going Deeper with Convolutions-GoogleNet
论文名： Going Deeper with Convolutions 深入了解卷积 了解GoogleNet 研究问题： 研究方法: 主要结论： 模型: 问题： 行文结构梳理： ......
论文阅读（四）—— Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
 ![image](https://img2023.cnblogs.com/blog/3279428/2... ......
论文：Very deep convolutional networks for large-scale image recognition-VGG
论文名： Very deep convolutional networks for large-scale image recognition "用于大规模图像识别的深度卷积网络" 了解VGG模型 研究问题： 研究方法: 主要结论： 模型: 问题： 行文结构梳理： ......
论文阅读（三）——Channel-wise Topology Refinement Graph Convolution for Skeleton-Based Action Recognition
代码 实验 python main.py --config config/nturgbd-cross-subject/default.yaml --work-dir work_dir/ntu/csub/ctrgcn --device 0 --num-worker 0 综述 ......
Convolutional Neural Networks（CNN）
数学基础 卷积 卷积这一概念从最原始来说属于一种数学的运算方法，两个数列进行卷积，是指将一个数列翻转后，从另一个数列最左侧开始滑动求和 来到计算机科学中，由于卷积核往往采用对称矩阵，所以翻转这一动作实际就可以忽略掉了。通过卷积核中数据的不同排列，实现提取出输入图片中的特定特征。 训练 + 预测 目前 ......
UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize
/home/software/anaconda3/envs/mydlenv/lib/python3.8/site-packages/tensorflow/python/client/session.py:1751: UserWarning: An interactive session is alr ......
AlexNet模型：ImageNet Classification with Deep Convolutional Neural Networks
文献名：ImageNet Classification with Deep Convolutional Neural Networks 创新点： 首次利用AlexNet神经网络，在ImageNet分类中以巨大的优势打败非神经网络算法 模型： ......
《ImageNet Classification with Deep Convolutional Neural Networks》阅读笔记
论文标题 《ImageNet Classification with Deep Convolutional Neural Networks》 ImageNet ：经典的划时代的数据集 Deep Convolutional：深度卷积在当时还处于比较少提及的地位，当时主导的是传统机器学习算法 作者 一作 ......
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Separable ......
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE
（VGG）VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION 阅读笔记（22.10.05） 摘要：本文研究在大规模图像识别设置中卷积网络深度对其准确性的影响。主要贡献是对使用（3，3）卷积核的体系结构增加深度的网络进行 ......