图像识别
文章平均质量分 56
让我顺利毕业吧
这个作者很懒,什么都没留下…
展开
-
一维卷积神经网络直接读取mat文件并进行数据增强和归一化
众多师弟师妹在使用一维卷积神经网络对凯斯西储,哥伦比亚等大学开源的轴承故障数据集进行故障诊断时,不知道该怎么把Matlab文件中的数据直接导进伸进网络进行训练。 我之前也不会,我一直用matlab打开数据然后黏贴到EXCEL再进行数据增强和归一化,最终保存成CSV格式。在训练神经网络的时候直接读取归一化好的数据进行训练,虽然这样比较直观,而且只做一次数据集就可以满足所有形式神经网络的训练。 但是,如果要研究自己发论文所提出来的神经网络模型的泛化能力、抗噪声能力、超参数寻优等问题的时候可能要不..原创 2021-10-06 15:08:54 · 4832 阅读 · 13 评论 -
卷积层TSNE可视化
很多小伙伴经常问,怎么把卷积层的输出提取出来,然后画曲线、可视化、连接到其他网络等等问题,由于本人使用的是基于keras和tensorflow框架的Spyder软件编写的代码,因此对别的软件怎么输出参数不清楚,单说spyder,往往经过卷积层后提取到的特征形式是:样本数量×特征长度×特征维度,因此即使输出来也是很操蛋的就一个样本长度为特征长度而且仅仅第一个维度的数据。使用这些数据去绘图很难,因为输出来的一个样本的数据并不是一条,而是经过堆叠成的数据。但用这些数据来做一些可视化和连接到其他网络还是可以的。原创 2021-07-08 11:06:07 · 14463 阅读 · 76 评论 -
基于卷积神经网络(二维)(视觉)对水果分类
基于卷积神经网络(二维)(视觉)对水果分类今年的春天和去年格外相似,但要好于去年,研究生两年活生生过成了一年。使用卷积神经网络对图片进行分类不仅可以用于广大领域的图像识别,更可以用于对机械的故障之诊断研究。首先要将数据集经过一些列变换转化成图像。将数据转化成图像再进行分类训练的方法有诸多好处,例如采取高斯降噪的方法对图片进行降噪处理从而提高卷积神经网络的训练精度。此外,经过卷积后的图正图像更具有观赏性。二维卷积神经网络的原理和一维类似,只是将卷积核,卷积步长,池化核以及步长由一维增加到二维,卷积方向原创 2021-03-12 12:56:45 · 3773 阅读 · 9 评论