[深度学习从入门到女装]几种奇怪的卷积

最新推荐文章于 2021-07-23 10:05:37 发布
最新推荐文章于 2021-07-23 10:05:37 发布
阅读量480 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/py184473894/article/details/104862317
版权

普通卷积

原始特征图 20*20 4个通道

分别使用6组 4*3*3的卷积进行处理

最终得到20*20*6的特征图

 

分组卷积

分组卷积就是将特征图的通道进行分组，然后对每一组使用普通卷积进行操作后，得到的所有特征图concat到一起就是最终结果特征图

原始特征图 20*20 4个通道，分为两组，每组变为2两个通道

分别对两组使用2组3*3的卷积

最终得到20*20*4的特征图

 

shuffle卷积

对于分组卷积得到的特征图，每次分组都是那几个特征图在一组，缺少组间的联系，因此提出了shuffle做法，在进行分组卷积之后，对得到的特征进行shuffle，这样再进行下一次分组卷积的时候，就能得到之前没有联系的特征图之间的关系

 

深度可分离卷积

深度可分离卷积分为两个步骤，是为了减少普通卷积的计算量

首先第一步使用特殊的分组卷积，也就是每个通道就是一组，对每组都使用一个3*3卷积进行卷积，也就可以得到4个通道的特征图

第二步再使用普通的1*1卷积进行不同通道之间的融合

 

 

炼丹师
关注
专栏目录
5. 深度学习——正则化
qq_32468785的博客
11-12 513
正则化是在训练机器学习模型时使用的一种技术，旨在减小模型的过拟合（overfitting）风险。过拟合是指模型在训练数据上表现很好，但在未见过的测试数据上表现较差的现象。正则化通过在损失函数中引入惩罚项来限制模型的复杂度，以防止模型过度拟合训练数据。惩罚项会在优化过程中对模型的参数进行调整，以平衡模型的拟合能力和泛化能力。正则化的作用包括：防止过拟合：正则化技术通过限制模型的复杂度，减少模型对训练数据的过度拟合，提高模型在未见过的数据上的泛化能力。
深入理解卷积网络中的 - “卷积”
南淮北安的博客
09-03 534
文章目录一、什么是卷积？二、如何对图像应用卷积三、为什么机器学习中图像卷积有用四、卷积神经网络 一、什么是卷积？ 你可以把卷积想象成一种混合信息的手段。想象一下装满信息的两个桶，我们把它们倒入一个桶中并且通过某种规则搅拌搅拌。也就是说卷积是一种混合两种信息的流程 卷积过程是基于一个小矩阵，也就是卷积核，在上面所说的每层像素矩阵上不断按步长扫过去的，扫到数与卷积核对应位置的数相乘，然后求总和，每扫一...
Dilated Convolution
热门推荐
shuzfan的专栏
04-10 2万+
本次介绍一篇有关语义分割的文章，其核心思想是如何不失分辨率的扩大感受野，该方法已被caffe默认支持。 该思想也可以应用到目标检测上来。文章《MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS》github项目链接： https://github.com/fyu/dilationIntroduction
[深度学习从入门到女装]DeepLab
炼丹师
11-15 2443
DeepLab v2 论文地址：DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs   文章首先提出目前使用深层卷积网络进行语义分割的三点挑战 1、特征分辨率的减少 文章指出这种问题的出现是因为网络中重复的下采样也就是...
[深度学习从入门到女装]DeepLab v3
炼丹师
11-20 2151
DeepLab v3 论文地址：Rethinking Atrous Convolution for Semantic Image Segmentation     1、相比于DeepLab v2，有一点改进就是，在v2的时候，dilaconv只是用在最后一层也就是pool5层，然后通过不同的rate进行尺寸的融合，而在v3中，dilaconv在图像缩小16倍的时候，之后全部都使用了di...
[深度学习从入门到女装]Making Convolutional Networks Shift-Invariant Again
炼丹师
08-01 3620
论文地址：Making Convolutional Networks Shift-Invariant Again 一篇来自ICML的论文，Adobe出品 论文的观点很新颖，在传统的图像识别领域的特征提取，如SIFT等特征，都追求shift-invariant，也就是平移不变性，对于一个图像中的目标提取到的特征，应该与其平移之后提取到的特征一致，这样才具有平移不变性。 CNN里边，我们大...
[深度学习从入门到女装]FastFCN: Rethinking Dilated Convolution in the Backbone for Semantic Segmentation
炼丹师
03-30 1208
论文地址：FastFCN: Rethinking Dilated Convolution in the Backbone for Semantic Segmentation 这是一篇对于FCN进行改进从而进行语义分割的论文 上图展示了目前的几种分割方法，DilatedFCN就是在原本FCN的基础上，去掉了最后两层的pooling，改为使用dila conv来保持图像尺寸不变，和原来一...
卷积神经网络模型研究
紫薯的博客
07-23 1806
论文 MobileNet系列 卷积网络CNN中各种常见卷积过程 深度可分离卷积（Xception 与 MobileNet 的点滴） 轻量级神经网络“巡礼”（二）—— MobileNet，从V1到V3 缺陷检测笔记 目标检测分为了2种主流框架： Two stages：以Faster RCNN为代表，即RPN网络先生成proposals目标定位，再对proposals进行classification+bounding box regression完成目标分类。 Single shot：以YOLO/SSD为
精心整理|Python爱好者社区历史文章合集（作者篇）--20190925从豆瓣获取
小仙女说：但行好事，不问前程
09-25 6443
精心整理|Python爱好者社区历史文章合集（作者篇） 参考文件地址：http://www.360doc.com/content/18/0801/00/2990557_774796873.shtml（供共同学习python的同学食用） 若侵权，联系删除 7月16日更新： Python爬取起点中文网小说排行榜信息（上海线下培训作业） 唯一小编王大...
深度学习入门课程---卷积神经网络反向传播原理视频教程.mp4
02-07
深度学习入门课程---卷积神经网络反向传播原理视频教程，希望能够学习者提供帮助，实现对卷积神经网络反向传播原理基础知识的掌握与理解，为后续学习做好铺垫，实现卷积神经网络反向传播原理的灵活运用
深度学习入门课程--- 感受卷积神经网络的强大视频教程.mp4
02-07
深度学习入门课程--- 感受卷积神经网络的强大视频教程，希望能够学习者提供帮助，实现对感受卷积神经网络基础知识的掌握与理解，为后续学习做好铺垫，实现感受卷积神经网络的灵活运用
深度学习入门课程---卷积计算流程视频教程.mp4
02-07
深度学习入门课程---卷积计算流程视频教程，希望能够学习者提供帮助，实现对卷积计算流程基础知识的掌握与理解，为后续学习做好铺垫，实现卷积计算流程的灵活运用
深度学习入门课程---卷积参数共享原则视频教程.mp4
02-07
深度学习入门课程---卷积参数共享原则视频教程，希望能够学习者提供帮助，实现对卷积参数共享原则基础知识的掌握与理解，为后续学习做好铺垫，实现卷积参数共享原则的灵活运用
CPA 税法 马兆瑞 基础班 第11章 偶然所得应纳税额的计算 税收优惠.pdf
最新发布
10-10
CPA 税法 马兆瑞 基础班 第11章 偶然所得应纳税额的计算 税收优惠.pdf
python入门教程学习攻略总结 python就看这个章节总结
10-10
python入门 Python入门教程知识点 第一章：Python简介与环境搭建 1.1 章节知识点目录 Python的历史与特点 Python的版本选择（Python 2 vs Python 3） Python开发环境搭建（IDE介绍：PyCharm, VSCode, Jupyter Notebook） 第一个Python程序：Hello, World! 第二章：Python基础语法 2.1 章节知识点目录 变量与数据类型（整数、浮点数、字符串、布尔值） 运算符与表达式 条件语句（if...else） 循环结构（for循环，while循环） 函数定义与调用 第三章：数据结构 3.1 章节知识点目录 列表（List）与元组（Tuple） 字典（Dictionary）与集合（Set） 字符串操作 列表推导式与生成器表达式 第四章：面向对象编程（OOP） 4.1 章节知识点目录 类与对象的概念 类的定义与实例化 属性与方法 继承与多态 封装与抽象 4.2 重点内容 类是创建对象的蓝图，包含属性和方法。 对象是根据类实例化得到的实体，具有自己的状态和行为。 继承允许新类继承父类
SpringBoot+Vue电影订票系统答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
SpringBoot+Vue川剧科普平台答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
OpenCV图像锐化的实现及原理介绍（包含详细的完整的程序和数据）
10-10
内容概要：本文章深入解析了使用OpenCV进行图像锐化的方法，特别是通过邻居访问运用拉普拉斯算子提高图像的边缘清晰度的技术原理。文中不仅介绍了锐化算法的工作方式，还展示了从环境搭建到编码实现再到最终成果展现的具体流程，并讨论了几种常用的边界处理手段及其在cv::filter2D函数中的应用实例。同时提到了几种潜在的研究改善方向及注意事项。 适用人群：对计算机视觉技术感兴趣的研发人员、软件工程师或相关领域的研究学者。 使用场景及目标：旨在教授如何运用OpenCV完成图像锐化，以增强图像轮廓与细节特征提取效率；帮助开发者熟悉滤波技术的实际操作方法，并理解背后的概念与设计思想。 其他说明：此资源强调动手能力，在提供理论的同时，也提供了具体执行指导，适合作为开放项目教程或实验练习的基础材料。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值