深度学习
文章平均质量分 94
爱全栈的工程师
路漫漫其修远兮,吾将上下而求索。
展开
-
论文Attention-guided CNN for image denoising解读
文章目录1. 论文简介2. 模型结构分析1) 网络架构2) 损失函数3) Sparse block(SB)模块分析3) Feature enhancement block(FEB)模块分析3) Attention block(AB)模块分析3) Reconstruction block(RB)模块分析3. 实验1. 论文简介该论文介绍了一个注意力引导的降噪卷积神经网络(ADNet)。该网络主要包括4个模块,分别是稀疏模块(sparse block,SB),特征提升模块(feature enhancem原创 2021-04-28 03:50:27 · 1404 阅读 · 0 评论 -
高光谱图像分类
文章目录1. Paper解读2. 代码1. 引入数据和基本函数库2. 定义 HybridSN 类3. 创建数据集4. 训练5. 模型测试6. 显示分类结果3. 思考1. Paper解读下面代码原理来自2019年IEEE论文:HybridSN: Exploring 3-D–2-D CNN FeatureHierarchy for Hyperspectral Image Classification该论文认为二维卷积不能提取光谱维度的特征,只能提取空间维度的特征;而三维卷积计算过于复杂;基于这两种方法原创 2021-01-05 20:19:14 · 1616 阅读 · 0 评论 -
第四次作业:猫狗大战挑战赛
这个作业为 Kaggle 于2013年举办的猫狗大战比赛,判断一张输入图像是“猫”还是“狗”。下面是使用在 ImageNet 上预训练 的 VGG 网络进行训练和测试的过程编码。这里我们使用Google Colab来编写下面的代码。1. 导入需要的包,检查使用设备import numpy as npimport matplotlib.pyplot as pltimport osimport torchimport torch.nn as nnimport torchvisionfrom原创 2020-11-22 12:52:30 · 290 阅读 · 1 评论