- 博客(7)
- 收藏
- 关注
原创 有关计算机存储彩色图片的三个颜色通道的理解
由于上述图像阵列中的每个数字代表一个像素,因此称为单通道图像。计算机视觉中每个像素的光强度是从0到255测量的,称为像素值。红色通道(R通道):红色通道表示图像中红色的强度或亮度。在红色通道中,较高的数值表示更强的红色分量,而较低的数值表示更少的红色。绿色通道(G通道):绿色通道表示图像中绿色的强度或亮度。在绿色通道中,较高的数值表示更强的绿色分量,而较低的数值表示更少的绿色。蓝色通道(B通道):蓝色通道表示图像中蓝色的强度或亮度。在蓝色通道中,较高的数值表示更强的蓝色分量,而较低的数值表示更少的蓝色。
2023-07-24 10:25:49
1635
原创 卷积神经网络(CNN)详解与代码实现
相比之下,Relu就不存在这样的问题,另外在 x > 0 时,Relu求导 = 1,这对于反向传播计算dw,db,是能够大大的简化运算的。第一项 => 0 * 1 + 0 * 1 + 0 * 1 + 0 * (-1) + 1 * (-1) + 1 * 0 + 0 * (-1) + 1 * 1 + 1 * 0 = 0。第二项 => 0 * (-1) + 0 * (-1) + 0 * 1 + 1 * (-1) + 2 * 1 + 0 * 0 + 2 * (-1) + 1 * 1 + 1 * 0 = 0。
2023-07-24 10:23:27
5213
3
原创 卷积神经网络学习利器CNN Explainer
CNN解说员一个交互式可视化系统,旨在帮助非专家了解卷积神经网络 (CNN)有关更多信息,请查看我们的手稿:CNN 解释器:通过交互式可视化学习卷积神经网络。Wang, Zijie J.、Robert Turko、Omar Shaikh、Haekyu Park、Nilaksh Das、Fred Hohman、Minsuk Kahng 和 Duen Horng Chau。IEEE 可视化和计算机图形学汇刊 (TVCG),2020 年。现场演示如需现场演示,请访问:本地运行。
2023-05-29 21:03:17
387
1
原创 卷积神经网络在图像分类中的应用
卷积神经网络在图像分类、目标检测和图像分割等任务中展现出了强大的能力。它能够从原始图像数据中学习到有用的特征,并自动进行分类、定位和分割等操作。通过不断的研究和发展,CNN在计算机视觉领域的应用前景十分广阔。以上是对卷积神经网络在图像分类中的应用的简要介绍,希望能为读者提供一些有用的信息。如有任何疑问或补充,请随时告知!
2023-05-29 20:57:03
366
1
转载 浅谈CNN卷积核的工作原理
概念中提到了卷积核的作用是提取特征,也就是说一个卷积核可以提取一个特征,举例来说:卷积核A的作用是提取眼睛特征的,卷积核B是提取耳朵特征的,那么让所有神经元都先用卷积核A进行计算,因为神经元所管理的范围覆盖整个图像,所以图中所有的眼睛都可以被卷积核发现,同理卷积核B也可以在全图范围找耳朵。上图左侧是将每一个参数都全连接到每一个神经元上,若输入参数很多,则会导致计算困难,为了简化计算,选择上图右侧的局部感受野,即每个神经元只管一整张图的一部分,只要所有神经元的所管理的部分加起来可以覆盖整张图就可以了。
2023-05-29 20:51:31
211
2
转载 CNN笔记:通俗理解卷积神经网络
2012年我在北京组织过8期machine learning读书会,那时“机器学习”非常火,很多人都对其抱有巨大的热情。当我2013年再次来到北京时,有一个词似乎比“机器学习”更火,那就是“深度学习本博客内写过一些机器学习相关的文章,但上一篇技术文章“LDA主题模型”还是写于2014年11月份,毕竟自2015年开始创业做在线教育后,太多的杂事、琐碎事,让我一直想再写点技术性文章但每每恨时间抽不开。然由于公司在不断开机器学习、深度学习等相关的在线课程,耳濡目染中,总会顺带着学习学习。
2023-05-29 20:43:27
111
1
原创 卷积神经网络的基本原理
卷积神经网络是一种强大的深度学习模型,广泛应用于计算机视觉任务。它通过卷积层、池化层和全连接层的组合,能够自动从图像中学习到有用的特征,并进行有效的分类和识别。随着深度学习的不断发展,卷积神经网络仍然是许多图像处理问题的首选模型。
2023-05-29 20:32:47
116
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人