滤波器 CNN

最新推荐文章于 2025-12-22 22:11:53 发布
原创 最新推荐文章于 2025-12-22 22:11:53 发布 · 68 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#cnn #人工智能 #神经网络 #深度学习 #机器学习

滤波器在CNN中扮演关键角色，其能保持图像形状不变，称为滤波层或kernel。计算过程由模型自动学习，用户只需设定层数。

加入滤波器的作用？保持形状不变
名字：滤波层(filter)也叫kernel
CNN的计算实际上，就是滤波器的计算
不用自己计算，计算机会自动的“学习”，设置层数就行

imageimage

xinxuann
关注
cnn系列文章 二 --初识滤波器
墨流觞的博客
09-12 3688
惯例，分享一句歌词。本人网易云id “紫迷儿” 《明月天涯》 唯此间江湖年少 偏爱纵横天下 恩仇趁年华轻剑快马 这一部分主要按照Andrew Ng的DeepLearning课程编写 卷积概念的引入以及理解 这是一个典型的多层卷积神经网络各层的输出，比如第一层从图像中检测到边缘信息，第二层检测到不完整的人脸信息，而第三层则检测到了完整的人脸信息。 接下来将介绍如何从...
基于CNN的自适应量化参数机制视频编码滤波器研究
12-31
内容概要：本文提出了一种新型的量化参数（QP）自适应机制，使卷积神经网络（CNN）滤波器能够有效地应对不同级别的量化噪声。该方法利用频域分析解决了单模型适用于多种QP值的问题，并显著提高了图像压缩质量。相比...
CNN滤波器
菜鸟起飞
04-23 3561
CNN 的第一步是把图片分成小块。我们通过选取一个给定宽度和高度的滤波器来实现这一步。 滤波器会照在图片的小块 patch （图像区块）上。这些 patch 的大小与滤波器一样大。 如之前视频所示，CNN用滤波器来把图片分割成更小的 patch，patch 的大小跟滤波器大小相同。 我们可以在水平方向，或者竖直方向滑动滤波器对图片的不同部分进行聚焦。 滤波器滑动的间隔被称作st...
CNN原理
ysy979yi的博客
03-12 1769
卷积核是一个小的矩阵（通常是3x3、5x5等），它在输入数据上滑动，并通过计算加权和来生成新的特征图。每个卷积核都有自己的权重，这些权重在训练过程中会不断调整以优化模型性能。
重新理解CNN（精）(为什么多个滤波器？....)
Drug discovery
09-27 2万+
目录 一、引子————边界检测 二、CNN的基本概念 1.padding 填白 2.stride 步长 3.pooling 池化 4.对多通道（channels）图片的卷积 三、CNN的结构组成 四、卷积神经网络 VS. 传统神经网络 1.参数共享机制（parameters sharing）（让我们的网络的参数数量大大地减少） 2.连接的稀疏性（sparsity of connections） 一、引子————边界检测 我们来看一个最简单的例子：“边界检测（edge detectio
CNN基本结构
Made In SQL
10-13 1244
输入层是卷积神经网络的第一层，主要负责接收和预处理原始图像数据。其输入通常是一个三维张量，由高度、宽度和通道数三个维度组成。
边保滤波器
weixin_42228294的博客
03-31 570
边缘保护滤波器 今天实现了将实物图转化成素描： import cv2 import numpy as np def dodgeNaive(image, mask): # determine the shape of the input image width, height = image.shape[:2] # prepare output argument with same size as image blend = np.zeros((width, hei
CNN笔记：通俗理解卷积神经网络
热门推荐
结构之法 算法之道
07-02 92万+
2012年我在北京组织过8期machine learning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太多的杂事、琐碎事，让我一直想再写点技术性文章但每每恨时间抽不开。然由于公司在不断开机器学习、深度学习等相关的在线课程，耳濡目染中，总会顺带着学习学习。
cNN入门教程
进阶的小宋
10-23 2471
关于卷积 所谓卷积，其实就是一种滤波方式。这在信号处理、图像处理上经常用到。最简单的在图像里面，一副图像和一个给定图像或者模版的进行卷积，卷积就是对应位置数据相乘然后再相加，比如像前面神经元与神经元全连接在一起的，假设他们是图像，对于其中一个隐含层的节点计算来说，拿出来其实就是一种卷积计算，像下面这样： 这是隐含层的全链接，那部分连接可能就不是I1 到I9，可能只是I1到I3之类的与W1~W3卷积。 一个典型的部分连接其实可以等效为图像滤波一样，比如拉普拉斯滤波模版对图像滤波，像下面这样子： 关于卷积层
ANN DNN CNN SNN
qq_43298381的博客
11-12 1778
这些缩写代表了不同类型的人工神经网络：• ANN（Artificial Neural Network）：人工神经网络，是模仿人脑神经元之间连接和交互方式的计算模型。它由节点（或称为“神经元”）组成的网络，这些节点通过加权连接相互连接。ANN可以用于解决分类、回归、模式识别等多种问题。• CNN（Convolutional Neural Network）：卷积神经网络，是一种深度学习架构，特别适用于处理具有明显网格状拓扑结构的数据，如图像（2D网格）和音频（1D网格）。
精选资源
用卷积滤波器matlab代码-interpretableCNN_matlab:解释性CNN_matlab
05-21
用卷积滤波器matlab代码可解释的卷积神经网络 介绍 本文提出了一种将传统卷积神经网络（CNN）修改为可解释的CNN的方法，以阐明CNN的高卷积层中的知识表示。 在可解释的CNN中，高转换层中的每个过滤器代表某个对象...
统一模型：分解卷积滤波器压缩CNN
通过在CNN-FCF模型上训练，仅保留与二进制标量值为1对应的滤波器，从而得到紧凑的CNN模型。实验结果表明，这种方法在CIFAR-10和ImageNet数据集上的表现优于当前最先进的滤波器修剪技术。" 深度卷积神经网络（CNNs）...
幽冥大陆(五十四)ASR C语言识别到自动化软件——东方仙盟筑基期
cybersnow精通 28 门计算机语言，凭借其超凡的技术能力，成功开发过上万个应用，广泛涉及政府、商业、个人等众多领域，甚至在检察院、环保局、公安局等专业场景中也大放异彩。不仅熟练掌握单片机和物联网开发，在软件架构设计方面更是独树一帜，自创了跨平台软件
12-20 1251
ASR（Automatic Speech Recognition，自动语音识别）技术在软件自动化命令领域正掀起一场变革。它使得软件系统能够理解人类语言，并依据指令自动执行任务。通过 ASR，用户无需手动输入复杂的命令或进行繁琐的界面操作，只需说出指令，软件就能精准响应。在自动化脚本编写中，ASR 可以实时将语音转化为代码命令。例如，在编写 Python 自动化脚本时，用户说出 “创建一个名为‘data’的列表”，ASR 系统就能将其转化为对应的 Python 代码data = []。
多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战
Lab4AI的博客
12-17 950
本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。
全品类电商AI助手诞生，AI试衣+万饰穿戴+图生视频，覆盖全链路
Dreamshop_AI的博客
12-19 1013
DreamshopAI升级推出三大核心功能，全面革新电商视觉生产流程：AI试衣功能通过智能识别服装款式和材质，7-15天模特拍摄缩短至几分钟；万饰穿戴功能突破品类限制，精准还原珠宝、箱包等商品的材质细节；图生视频功能将静态图片转化为高质量短视频，大幅降低视频制作门槛。系统基于千万级电商数据训练，能自动适配不同市场需求，并推出AI试衣屏Dreamfit实现线上线下体验闭环。此次升级使AI成为电商运营的核心生产力工具，将传统视觉制作效率提升3倍以上，推动电商行业进入智能化新阶段。
[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。
12-20 563
本文提出AIM框架，一种无需训练的多模态大语言模型(MLLMs)推理加速方法。通过双阶段设计：在LLM前基于相似度合并视觉Token，在LLM内基于注意力重要性剪枝Token，显著降低计算量。实验表明，该方法在视频理解任务中可减少6.8倍FLOPs，在图像任务中保持3.7倍加速的同时维持性能。关键发现包括：75%视觉Token冗余、LLM早期层侧重跨模态融合而后期侧重文本推理、跨帧合并会损害视频理解等。该方法支持动态调整压缩比例，为资源受限环境下的高效多模态推理提供了实用解决方案。
深入NVIDIA Nemotron-3：高效准确的技术、工具与数据深度解析
专注于人工智能领域的小何尚
12-18 900
摘要：NVIDIA Nemotron-3技术解析 NVIDIA Nemotron-3系列模型为构建专业AI智能体提供了突破性解决方案。该系列采用创新的混合Mamba-Transformer MoE架构，结合状态空间模型(Mamba)的长序列处理能力、Transformer的精确推理和MoE的高效计算，支持高达100万token的上下文处理。模型通过NeMo Gym多环境强化学习框架训练，使智能体掌握复杂任务执行能力。技术亮点包括：1)混合架构实现超长上下文推理；2)开源RL训练环境支持智能体开发；3)原生支
企业级 RAG 问答系统开发上线流程分析
最新发布
hello！
12-22 546
这个项目流程是一个非常典型的。
界面重构与本地化实践：凤希AI伴侣的自动化演进思考 凤希AI伴侣2025年12月21日
12-21 324
昨日工作总结：完成凤希AI伴侣三项核心开发：1）重构模型选择界面，实现弹窗式分类展示；2）成功测试本地大模型的OCR功能；3）优化配置数据存储方案，采用本地存储+版本管理提升效率。同时深入探讨了AI工具自动化的本质价值——解放人类创造力。今日计划新增内容管理模块，实现H5页面文案和运营推广文案的系统化沉淀。全文由凤希AI智能生成，展现AI辅助工作的实际应用价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值