09 2016 档案
简易理解傅里叶变换(转)
摘要:我保证这篇文章和你以前看过的所有文章都不同,这是 2012 年还在果壳的时候写的,但是当时没有来得及写完就出国了……于是拖了两年,嗯,我是拖延症患者…… 这篇文章的核心思想就是: 要让读者在不看任何数学公式的情况下理解傅里叶分析。 傅里叶分析不仅仅是一个数学工具,更是一种可以彻底颠覆一个人以前世界观
阅读全文
深度学习研究理解5:Visualizing and Understanding Convolutional Networks(转)
摘要:Visualizing and understandingConvolutional Networks 本文是Matthew D.Zeiler 和Rob Fergus于(纽约大学)13年撰写的论文,主要通过Deconvnet(反卷积)来可视化卷积网络,来理解卷积网络,并调整卷积网络;本文通过Deco
阅读全文
图像处理常用边缘检测算子总结(转)
摘要:不同图像灰度不同,边界处一般会有明显的边缘,利用此特征可以分割图像。需要说明的是:边缘和物体间的边界并不等同,边缘指的是图像中像素的值有突变的地方,而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界,也有可能边界的地方并无边缘,因为现实世界中的物体是三维的,而图像只具有
阅读全文
超详细介绍 图像处理(卷积)(转)
摘要:图像处理(卷积)作者太棒了 原文 http://blog.sina.com.cn/s/blog_4bdb170b01019atv.html 图像处理-线性滤波-1 基础(相关算子、卷积算子、边缘效应) 这里讨论利用输入图像中像素的小邻域来产生输出图像的方法,在信号处理中这种方法称为滤波(filter
阅读全文
Sobel算子 (转)
摘要:幻灯片1 Sobel算子 幻灯片2 一、Sobel边缘检测算子 l 在讨论边缘算子之前,首先给出一些术语的定义: l (1)边缘:灰度或结构等信息的突变处,边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。 l (2)边缘点:图像中具有坐标[x,y],且处在强度显著变化的位置上的点
阅读全文
由矩阵运算来看初等矩阵的左乘右乘所影响到矩阵的行列变换的本质(转)
摘要:Latex排版的,所以之上截图吧: Latex排版的,所以之上截图吧: 顶0踩
阅读全文
矩阵的迹(转)
摘要:矩阵的迹 在线性代数中,一个的矩阵的迹(或迹数),是指的主对角线(从左上方至右下方的对角线)上各个元素的总和,一般记作或: 其中代表矩阵的第i行j列上的元素的值[1]。一个矩阵的迹是其特征值的总和(按代数重数计算)。 迹的英文为trace,是来自德文中的Spur这个单字(与英文中的Spoor是同源词
阅读全文
深度神经网络识别图形图像的基本原理(转)
摘要:摘要:本文将详细解析深度神经网络识别图形图像的基本原理。针对卷积神经网络,本文将详细探讨网络中每一层在图像识别中的原理和作用,例如卷积层(convolutional layer),采样层(pooling layer),全连接层(hidden layer),输出层(softmax output lay
阅读全文
图解卷积神经网络(二)(转)
摘要:卷积神经网络采用了三种基本概念:局部感受野(local receptive fields),共享权重(sharedweights),和混合(pooling)。 局部感受野: 在之前看到的全连接层的网络中,输入被描绘成纵向排列的神经元。但在一个卷积网络中,把输入看作是一个 28 × 28 的方形排列的
阅读全文