RTDETR 引入 UniRepLKNet：用于音频、视频、点云、时间序列和图像识别的通用感知大卷积神经网络 | DRepConv
大卷积神经网络（ConvNets）近来受到了广泛研究关注，但存在两个未解决且需要进一步研究的关键问题。1）现有大卷积神经网络的架构主要遵循传统ConvNets或变压器的设计原则，而针对大卷积神经网络的架构设计仍未得到解决。2）随着变压器在多个领域的主导地位，有待研究ConvNets在视觉以外领域是否也具有强大的通用感知能力。在本文中，我们从两个方面做出了贡献。1）我们提出了四个设计大卷积神经网络的架...
CIFAR-10数据集详析：使用卷积神经网络训练图像分类模型
rn dictdict = unpickle('D:\PycharmProjects\model-fuxian\CIFAR\cifar-10-batches-py\data_batch_1') 4.卷积神经网络训练 此处参考：传送门 1.指定GPU gpus = tf.config.experimental.list_physical_devices('GPU')tf.config.experim...
【MATLAB】【数字信号处理】线性卷积和抽样定理
已知有限长序列：xk=1,2,1,1,0,-3, hk=[1,-1,1] , 计算离散卷积和yk=xk*h(k) 。 程序如下： function [t,x] = My_conv(x1,x2,t1,t2,dt)%文件名与函数名对应%自写的卷积函数x = conv(x1,x2)*dt;t0 = t1(1) + t2(1);L = length(x1) + length(x2)-2;t = ...
基于深度卷积神经网络的猴痘分类识别系统
1. 项目简介 本文详细介绍了一基于深度卷积神经网络的猴痘分类识别系统。采用TensorFlow和Keras框架，通过卷积神经网络（CNN）进行模型训练和预测，利用迁移学习中的VGG16模型实现99%的分类准确率。系统以Web平台形式呈现，允许患者上传拍摄的病患处图片进行在线测试，系统将自动识别是否患有猴痘病毒。该系统不仅体现了深度学习在医学图像分类中的应用，同时为患者提供了一种方便...
32、卷积参数 - 长宽方向的公式推导
有了前面三节的卷积基础 padding, stride, dilation 之后，大概就可以了解一个卷积算法的全貌了。 一个完整的卷积包含的输入和输出有： 输入图像，表示为[n, hi, wi, ci] 卷积核，表示为[co, kh, kw, ci] 输出特征图，表示为[n, ho, wo, co] 以上为卷积算法的两个输入 tensor 和一个输出 tensor，相关表述可以去卷积的基础公式复习。 ...
31、卷积 - 参数 dilation 以及空洞卷积
在卷积算法中，还有一个不常见的参数叫做dilation（中文：膨胀）。 很多同学可能没听说过这个参数，下面看看这个参数有什么作用，用来控制什么的。 我们还是放这个经典的卷积运算图，图中是看不出 dilation 这个参数的存在的。 如果再换一张图呢，发现两图的区别了吗? 没错，卷积核投影到下面的图像的方式变了，一个 3x3 的卷积核，投影到下面变成了一个 5x5 的，并且每隔一个像素有一个有效。这就是...
图像去噪算法概述，含卷积神经网络算法
ng）： 将图像中每个像素的值替换为其周围像素值的中值。中值滤波对于椒盐噪声等离群值效果较好，能够在保留图像边缘的同时去除噪声。高斯滤波（Gaussian Filtering）： 使用高斯核对图像进行卷积，以平滑图像并减少噪声。高斯滤波在去除高斯噪声方面效果较好。小波变换去噪（Wavelet Denoising）： 利用小波变换对图像进行分解，去除高频噪声，然后再进行重构。小波变换去噪可以更好地保留图...
30、卷积 - 参数 stride 的作用
在卷积运算中，还有一个参数叫做 stride，它对卷积的运算以及运算结果影响也很大。 还是先看卷积动图，从图上你能猜到 stride 参数在哪吗？ 在卷积操作中，stride 指的是卷积核在滑动过程中每次跳过的像素数量。 stride 决定了卷积核在输入图像上移动的速度。例如，如果 stride 为1，那么卷积核每次就移动一个像素；如果 stride 为2，那么卷积核每次就移动两个像素。 也就是上图卷...
PyTorch深度学习实战（26）——卷积自编码器(Convolutional Autoencoder)
PyTorch深度学习实战（26）——卷积自编码器 0. 前言1. 卷积自编码器2. 使用 t-SNE 对相似图像进行分组小结系列链接 0. 前言 我们已经学习了自编码器 (AutoEncoder) 的原理，并使用 PyTorch 搭建了全连接自编码器，但我们使用的数据集较为简单，每张图像只有一个通道(每张图像都为黑白图像)且图像相对较小 (28 x 28)。但在现实场景中，图像数据通常为彩色图像(...
经典卷积神经网络LeNet&AlexNet&VGG
LeNetLeNet-5是一种经典的卷积神经网络结构，于1998年投入实际使用中。该网络最早应用于手写体字符识别应用中。普遍认为，卷积神经网络的出现开始于LeCun等提出的LeNet网络，可以说LeCun等是CNN的缔造者，而LeNet则是LeCun等创造的CNN经典之作网络结构图由下图所示： LeNet网络总共有六层网络（不包含输入输出层），其中卷积层C3输入：S2中6个特征图组合。其中输出特征...