Resultados da pesquisa a pedido "convolution"
Calculando o kernel de desfoque entre duas imagens
Ao contrário dos cenários de desfocalização e super resolução padrão (e mais desafiadores), tenho acesso a ambas as imagens originais (nítidas)
scipy.ndimage.filters.convolve e multiplicando transformadas de Fourier fornecem resultados diferentes
Aqui está o meu código: from scipy.ndimage import filters import numpy a = numpy.array([[2,43,42,123,461],[453,12,111,123,55] ,[123,112,233,12,255]]) b = numpy.array([[0,2,2,3,0],[0,15,12,100,0],[0,45,32,22,0]]) ab = filters.convolve(a,b, ...
cPickle quantidade muito grande de dados
Tenho cerca de 0,8 milhões de imagens de 256x256 em RGB, que somam mais de 7 GB. Quero usá-los como dados de treinamento em uma Rede Neural Convolucional e quero colocá-los em um arquivo cPickle, junto com seus rótulos. Agora, isso está ...
Convolução de múltiplos sinais 1D em uma matriz 2D com múltiplos núcleos 1D em uma matriz 2D
Eu tenho um definido aleatoriamenteH matriz de tamanho600 x 10. Cada elemento nesta matrizH pode ser representado comoH(k,t). Eu obtive um espectrograma de falaS qual é600 x 597. Eu o obtive usando os recursos do Mel, por isso deve ser40 x 611 ...
Visualize imagens em camadas intermediárias na tocha (lua)
No modelo de conv-redes, eu sei como visualizar os filtros, podemos fazer itorch.image (model: get (1) .weight) Mas como eu poderia visualizar eficientemente as imagens de saída após a convolução? especialmente aquelas imagens na segunda ou ...
Argumento de passada do fluxo de tensão
Estou tentando entender oavançosargumento em tf.nn.avg_pool, tf.nn.max_pool, tf.nn.conv2d. odocumentação [https://www.tensorflow.org/versions/master/api_docs/python/nn.html#max_pool]diz repetidamente strides: Uma lista de ints com comprimento> ...
Filtro de convolução C # para qualquer matriz de tamanho (1x1, 3x3, 5x5,…) não totalmente aplicado
Estou criando um filtro de convolução para o meu projeto e consegui fazê-lo para qualquer tamanho de matriz, mas à medida que aumenta, percebi que nem todos os bits são alterados. Aqui estão as fotos mostrando o problema: O primeiro é o original ...
Por que razão Convolution 1x1 é usado em redes neurais profundas?
Estou olhando para a arquitetura InceptionV3 (GoogLeNet) e não consigo entender por que precisamos de camadas conv1x1? Sei como a convolução funciona, mas vejo um lucro com tamanho de patch> 1.