![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CNN
心窄
这个作者很懒,什么都没留下…
展开
-
CNN的输入图像尺寸问题
输入图片的大小需要固定我们知道CNN输入图片的大小需要固定,但是这是为什么呢?其实在网络结构中卷积层是不需要固定图像的大小(它的输出大小是跟输入图像的大小相关的),一般情况下输入尺寸都会大于常用的卷积核大小。有固定输入图像大小需求的是全连接部分,全连接部分的参数的个数是需要固定的。解决方案当然可能我们的数据集的大小并不统一,这时候就需要进行处理了1.可以在输入网络之前进行resize,将...原创 2019-06-04 15:08:59 · 11109 阅读 · 0 评论 -
CNN经典分类网络发展历程GoogLeNet、SqueezeNet、ResNet、ResNeXt、DenseNet
本篇博文主要介绍2015年之后出现的经典分类网络的发展历程,前期经典分类网络网上有很多解析,主要包括LeNet、AlexNet、VGG等。本篇博文主要介绍GoogLeNet、SqueezeNet、ResNet、ResNeXt、DenseNet。以PPT截图形式进行讲解一、GoogLeNet论文题目:Going Deeper with Convolutions论文链接:https://ar...原创 2019-07-06 19:49:34 · 2972 阅读 · 1 评论 -
论文导读:Benchmark Analysis of Representative Deep Neural Network Architectures
最近发现了一篇文章,个人感觉很不错,因此推荐给大家。论文题目:Benchmark Analysis of Representative Deep Neural Network Architectures论文链接:https://arxiv.org/abs/1810.00736题目:代表性DNN架构的基准分析摘要:这项工作提供了对现有技术中提出的用于图像识别的大多数深度神经网络(DNN)的...原创 2019-07-07 08:21:17 · 1112 阅读 · 0 评论 -
CNN重要知识点理解
一、卷积核的作用卷积层的卷积核是用来提取特征的,多个卷积核是用来提取多种特征的。图片中有左边是一个77的图像,右边三个33的卷积核,分别提取对应的特征。二、通道数的理解1.图像通道数:若图像为三通道,那么指的是RGB三通道;也有单通道,如灰度图。2.卷积操作完成的输出的通道数,也就是卷积核的个数。通道数也就是feature map数每层的feature map个数,为上一层卷积核的...原创 2019-07-18 13:11:53 · 1107 阅读 · 0 评论 -
DenseNet占用内存过高(batch-size只能设置为1)解决方案
情况说明前一阵自己使用caffe跑了跑DenseNet网络,显卡11G显存,只有当TRAIN和TEST的batch-size设置成1才可以跑通,这样的话是在线学习,最终的结果并没有想象中的那么好。然后查了一些资料,并不断进行尝试,最终得到了解决方案-------->使用memory-efficient的caffe(Ubuntu系统)跑DenseNet。说明:博主用的是八开服务器,用的Wi...原创 2019-07-20 09:07:00 · 4572 阅读 · 3 评论 -
Caffe CNN特征可视化(详解)
转载自 Caffe CNN特征可视化http://www.cnblogs.com/louyihang-loves-baiyan/先贴出来SqueezeNet网络对应的可视化代码# -*- coding:utf-8 -*- import numpy as npimport matplotlib.pyplot as pltimport osimport caffeimport sys...转载 2019-07-20 20:52:23 · 314 阅读 · 0 评论