02 2021 档案

摘要:导言: 自2012年AlexNet在ImageNet比赛上获得冠军,卷积神经网络逐渐取代传统算法成为了处理计算机视觉任务的核心。 在这几年,研究人员从提升特征提取能力,改进回传梯度更新效果,缩短训练时间,可视化内部结构,减少网络参数量,模型轻量化, 自动设计网络结构等这些方面,对卷积神经网络的结构有 阅读全文
posted @ 2021-02-27 12:33 CV技术指南(公众号) 阅读(1144) 评论(0) 推荐(0) 编辑
摘要:CNN可视化技术总结(一)-特征图可视化 CNN可视化技术总结(二)--卷积核可视化 CNN可视化技术总结(三)--类可视化 导言: 前面介绍了可视化的三种方法--特征图可视化,卷积核可视化,类可视化,这三种方法在很多提出新模型或新方法的论文中很常见,其主要作用是提高模型或者新方法的可信度,或者用来 阅读全文
posted @ 2021-02-17 16:23 CV技术指南(公众号) 阅读(868) 评论(0) 推荐(0) 编辑
摘要:CNN可视化技术总结(一)-特征图可视化 CNN可视化技术总结(三)--类可视化 导言: 上篇文章我们介绍了特征图可视化方法,对于特征图可视化的方法(或者说原理)比较容易理解,即把feature map从特征空间通过反卷积网络映射回像素空间。 那卷积核怎样可视化呢,基于什么原理来可视化?卷积核的尺寸 阅读全文
posted @ 2021-02-14 23:52 CV技术指南(公众号) 阅读(1216) 评论(0) 推荐(0) 编辑
摘要:CNN可视化技术总结(一)-特征图可视化 CNN可视化技术总结(二)--卷积核可视化 导言: 前面我们介绍了两种可视化方法,特征图可视化和卷积核可视化,这两种方法在论文中都比较常见,这两种更多的是用于分析模型在某一层学习到的东西。在理解这两种可视化方法,很容易理解图像是如何经过神经网络后得到识别分类 阅读全文
posted @ 2021-02-14 23:46 CV技术指南(公众号) 阅读(692) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示