08 2020 档案

循环神经网络学习
摘要：循环神经网络 一、绪论 1. 循环神经网络的应用 语音问答（speech question answering） 机器翻译（machine translation） 股票预测 作词机、作诗 模仿写论文、写代码（格式） 图像理解（Image caption） 视觉问答（visual question 阅读全文
posted @ 2020-08-21 15:24 陳半仙 阅读(301) 评论(0) 推荐(0)
第四周：卷积神经网络 part3
摘要：第四周：卷积神经网络 part3 第一部分 代码练习 完善HybridSN高光谱分类网络 SENet实现 第二部分 视频学习 视频学习——《Expectation-Maximization Attention Networks for Semantic Segmentation》（《语义分割中的自注 阅读全文
posted @ 2020-08-15 15:38 陳半仙 阅读(149) 评论(0) 推荐(0)
视频学习——《Expectation-Maximization Attention Networks for Semantic Segmentation》（《语义分割中的自注意力机制和低秩重建》）
摘要：视频学习——《Expectation-Maximization Attention Networks for Semantic Segmentation》（《语义分割中的自注意力机制和低秩重建》） 原文详细讲解，见《[ICCV 2019 Oral] 期望最大化注意力网络 EMANet 详解》 一、基 阅读全文
posted @ 2020-08-15 10:03 陳半仙 阅读(671) 评论(0) 推荐(1)
Hybrid中添加SENet
摘要：Hybrid中添加SENet ! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indian_pines_corrected.mat ! wget http://www.ehu.eus/ccwintco/uploads/c/c4/Indian_pines 阅读全文
posted @ 2020-08-15 10:02 陳半仙 阅读(321) 评论(0) 推荐(0)
【第三周】论文学习笔记
摘要：《Selective Kernel Networks》论文阅读 一、引言 在神经科学界，视皮层神经元的感受野大小受刺激的调节，即对不同刺激，卷积核的大小应该不同 本文提出了一种在CNN中对卷积核的动态选择机制，该机制允许每个神经元根据输入信息的多尺度自适应地调整其**感受野（卷积核）**的大小。 本 阅读全文
posted @ 2020-08-14 15:27 陳半仙 阅读(245) 评论(0) 推荐(1)
续写HybridSN
摘要：续写HybridSN（直接上代码） 一、代码练习 ! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indian_pines_corrected.mat ! wget http://www.ehu.eus/ccwintco/uploads/c/c4/In 阅读全文
posted @ 2020-08-13 10:41 陳半仙 阅读(323) 评论(0) 推荐(1)
第二次作业：卷积神经网络part2
摘要：第二次作业：卷积神经网络 part 2 【第一部分】问题总结 如何根据实际问题确定需要用到的卷积神经网络模型，且batch_size的大小应该如何确定？ 【第二部分】论文阅读心得和代码练习 《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for H 阅读全文
posted @ 2020-08-08 18:09 陳半仙 阅读(156) 评论(0) 推荐(0)
《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification》论文阅读
摘要：《HybridSN: Exploring 3-D–2-DCNN Feature Hierarchy for Hyperspectral Image Classification》论文阅读 一、引言 高光谱图像是立体数据，也有光谱维数，仅凭2D-CNN无法从光谱维度中提取出具有良好鉴别能力的featu 阅读全文
posted @ 2020-08-08 18:00 陳半仙 阅读(1621) 评论(0) 推荐(0)
《MobileNetV2: Inverted Residuals and Linear Bottlenecks》论文阅读
摘要：《MobileNetV2: Inverted Residuals and Linear Bottlenecks》论文阅读 一、引言 在MobileNetV1（深度可分离卷积）的基础上，延续了它的简单性，不添加任何特殊的操作，提高准确性。 Inverted Resduals 和 Linear Bott 阅读全文
posted @ 2020-08-07 15:42 陳半仙 阅读(539) 评论(0) 推荐(0)
《MobileNets: EfficientConvolutionalNeuralNetworksforMobileVision Applications》论文阅读
摘要：《MobileNets: EfficientConvolutionalNeuralNetworksforMobileVision Applications》论文阅读 一、引言 本篇论文提出了一种称为MobileNets的高效模型，用于移动和嵌入式视觉应用。MobileNets体系结构使用深度可分离卷积 阅读全文
posted @ 2020-08-05 11:06 陳半仙 阅读(258) 评论(0) 推荐(0)
第二次作业：卷积神经网络part1
摘要：一、视频学习心得 1.深度学习的数学基础知识 概率是基础，支持向量机设计很多数学基础、梯度下降时神经网络共同的基础 概率论（统计）、信息论：模型假设、策略设计的基础 线性代数：数据表示、空间变换的基础 最优化、微积分：求解目标函数的具体算法 1.1 矩阵线性变换（特征值，特征向量） 矩阵相乘对原始变 阅读全文
posted @ 2020-08-01 16:52 陳半仙 阅读(324) 评论(0) 推荐(0)