- 博客(6)
- 收藏
- 关注
RSS订阅原创 CV-homework
这篇是CV作业要看的论文，我读了这篇分析这篇论文之前，由于没太接触过，我先记录一点基础知识。LDR图像通常具有有限的亮度范围，这意味着它们无法准确捕捉高亮度和低亮度区域的细节。这些图像通常使用标准的8位深度图像表示，每个通道有256个不同的亮度级别。HDR图像具有更广的亮度范围，能够准确捕捉高亮度和低亮度区域的细节。这些图像通常使用更高的位深度来表示，例如16位或32位深度，以提供数千或数百万个不同的亮度级别。相机成像过程的建模。
2023-11-02 10:26:14
52
1
原创 深度学习基础week-four
DW卷积是在每个通道上进行卷积后，再分成一块一块进行组合，比如说每一组的第一份放一起，第二份放一起等等，融合不同group的信息。残差结构和倒残差结构，框架是一致的，只是升降维和使用的卷积不太相同，而且倒残差结构这用的是Relu6激活函数。权重初始化是随机的，同时HybridSN使用了dropout随机失活，都有一定的随机性，所以分类结果都不一样。训练HybridSN，然后多测试几次，会发现每次分类的结果都不一样，请思考为什么？运用迁移学习，利用已经成熟的高光谱分类网络所得到的权重，再进行训练调整。
2023-08-05 09:20:48
31
1
原创 深度学习基础week-three
这里的残差结构有所不同的是，一种有虚线，由于要求主分支与短接的输出特征矩阵形状必须相同，于是这个虚线就是用1*1的卷积进行调整。注意一下细节，18层，34层，50层，101层等残差网络大体结构相同，但前两种层数较少的网络conv2中，主分支与短接的输出特征矩阵维度相同，没有采用有虚线的，而后面多层的网络这里是用虚线的那种残差结构。
2023-07-28 10:11:28
109
1
原创 深度学习基础week-one
1、AlexNet有哪些特点？为什么可以比LeNet取得更好的性能？♥AlexNet网络有8层，其中包括5层卷积和2层全连接隐藏层，以及1个全连接输出层，像是一个更深更大的LeNet。♥AlexNet使用了ReLu激活函数来代替sigmoid和tanh函数，计算更简单，使网络有更快的收敛速度。♥AlexNet使用了Dropout进行随机失活，降低模型复杂度和不稳定程度，避免过拟合。♥使用了GPU加速，训练速度更快。2、激活函数有哪些作用？
2023-07-13 15:48:46
64
2
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