关于CNN（卷积神经网络）的不错的文章

最新推荐文章于 2025-04-02 11:35:05 发布
最新推荐文章于 2025-04-02 11:35:05 发布
阅读量1k 收藏 1
点赞数
分类专栏： 机器学习 文章标签： CNN 卷积神经网络 机器学习 计算机视觉 图像处理
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。
本文链接：https://blog.youkuaiyun.com/x18835129278/article/details/88311988
版权

1）https://blog.youkuaiyun.com/dss_dssssd/article/month/2018/09/2?
CNN系列文章
2）https://www.cnblogs.com/touch-skyer/p/9150039.html
卷积神经网络(CNN)张量(图像)的尺寸和参数计算(深度学习)
3）https://blog.youkuaiyun.com/cheneykl/article/details/79740810
【4】如何理解CNN中的卷积？
4）https://blog.youkuaiyun.com/program_developer/article/details/80737724
深度学习中Dropout原理解析
5）https://blog.youkuaiyun.com/tyhj_sf/article/details/79932893
常用激活函数（激励函数）理解与总结
6）https://www.cnblogs.com/yinheyi/p/6131262.html
Logistic 分类器与 softmax分类器

CNN卷积神经网络详解
qq_44815135的博客
02-04 2701
卷积神经网络（CNN）是一种深度学习模型，广泛应用于图像处理、语音识别、自然语言处理等领域。图像分类和识别：CNN在图像分类和识别方面的应用是最为广泛的。通过训练，CNN能够学习到从图像中提取特征的能力，从而实现对图像的分类和识别。例如，在人脸识别、物体检测、车牌识别等领域，CNN都取得了显著的效果。语音识别：CNN也可以应用于语音识别领域，通过对语音信号的卷积和池化处理，提取出语音的特征表示，从而实现对语音的分类和识别。
深度学习--CNN卷积神经网络（附图）
ssheudjbdndnjd的博客
04-17 6209
让我们先看一下CNN的框架卷积层中后是ReLu激活函数 ，然后是深化池，之后是全连接，最后进行Softmax进行归一化。所以，我们先逐一了解一下它们各个部分全连接层也称感知机，BP神经网络降维呢，也很好理解，由第一列的九维变为第二列的四维我们再来看看缺点在这里，我们只定义了一层全连接层 前向传播是我们自己来定义的，而后向传播是自动执行的为了解决全连接层去全局感知的问题，我们提出了一种解决方案--局部连接图示0，1，3，4与w00,w10,w30,w40相乘得到a0，同理1，2，4，5与w11,w21,w
卷积神经网络英文版综述
04-07
What Do We Understand About Convolutional Networks?论文 卷积神经网络（CNN）在计算机视觉领域已经取得了前所未有的巨大成功，但我们目前对其效果显著的原因还没有全面的理解。约克大学电气工程与计算机科学系的 Isma Hadji 和 Richard P. Wildes 发表了论文《What Do We Understand About Convolutional Networks?》，对卷积网络的技术基础、组成模块、当前现状和研究前景进行了梳理，介绍了我们当前对 CNN 的理解。
CNN两篇好文章
Jiajun的博客
03-07 1890
http://www.youkuaiyun.com/article/2015-09-16/2825716 https://www.zhihu.com/question/34681168
推荐两篇关于卷积神经网络CNN的入门文章
fu_jian_ping的博客
08-11 251
总共有两篇文章，按顺序看，写的比较通俗易懂 https://zhuanlan.zhihu.com/p/27908027 https://zhuanlan.zhihu.com/p/28173972
一篇卷积神经网络CNNs通俗易懂的文章
zbr794866300的博客
06-27 456
码过来学习
CNN网络相关论文阅读
03-02
总共收集了8篇论文，前两篇论文做了写笔记。主要是CNN论文发展的必看论文，包括LnNET-5,AlexNet,NIN,GoogleNet,VGGNet,ResNet,DenseNet,SENet.
CNN卷积神经网络应用于人脸识别（带详细流程+代码实现）
01-30
《DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）》这篇文章的代码，将CNN用于人脸识别，整个实现流程请见：http://blog.youkuaiyun.com/u012162613/article/details/43277187
计算机视觉——卷积神经网络（CNN）简介.pdf
04-21
计算机视觉——卷积神经网络（CNN）简介 计算机视觉是人工智能领域中的一个重要分支，它主要研究如何使机器能够像人类一样看懂图像。卷积神经网络（CNN）是计算机视觉领域中的一种深度学习算法，它能够对图像进行...
【人工智能基础07】卷积神经网络基础（CNN）：卷积神经网络结构、各层计算原理，以及常见卷积神经网络
hiliang521的博客
08-03 6070
卷积神经网络
R-CNN最新版本(V5)论文原文及中文翻译.rar
09-19
目标检测经典论文R-CNN最新版本(V5)论文原文及中文翻译
卷积神经网络(CNN)的17篇有影响力的论文题目和创新点介绍
11-29
整理了从2012年到2017年15篇国际顶级会议的卷积神经网络(CNN)的架构论文，并注明了每篇论文的创新点。需要注意的是：只是整理了论文题目，并没有下载地址，下载者可以根据题目下载对应的论文。
卷积神经网络
niehui61的博客
12-21 657
最近看了一篇使用卷积神经网络对图像进行超分辨率的文章，貌似是为数不多的将卷积神经网络用于图像超分辨率的文章。     paper题目：Learning a Deep Convolutional Network for Image Super-resolution  这是2014年eccv的文章。     文章提出了一种卷积神经网络模型，该模型学习了一种end-to-end的映射。作者使用了三层
深度学习大神都推荐入门必须读完这9篇论文
以笔为剑的唐吉坷德
01-18 4271
Introduction 卷积神经网络CNN，虽然它听起来就像是生物学、数学和计算机的奇怪混杂产物，但在近些年的机器视觉领域，它是最具影响力的创新结果。随着Alex Krizhevsky开始使用神经网络，将分类错误率由26%降到15%并赢得2012年度ImageNet竞赛（相当于机器视觉界的奥林匹克）时，它就开始声名大噪了。从那时起，一票公司开始在它们的核心服务中使用深度学习技术。例如Faceb
CNN论文-MTCNN
lyqlola的博客
05-06 918
Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks I. Motivation: 1.人脸检测时会遇到的问题：人脸的不同角度、光照、遮挡等 2.之前的人脸检测和对齐方法的缺点： (1) 忽视了人脸检测和人脸对齐这两个任务之间的关联。(做人脸检测没有结合facial landmark)...
学习笔记五：卷积神经网络（CNN）二
qq_56591814的博客
05-06 1151
卷积神经网络(CNN) @(深度学习) 文章目录卷积神经网络(CNN)(一)卷积神经网络(CNN)模型结构1. CNN的基本结构2. 初识卷积3. CNN中的卷积层4. CNN中的池化层5. CNN模型结构小结（二） 卷积神经网络(CNN)前向传播算法1. 回顾CNN的结构2. CNN输入层前向传播到卷积层3. 隐藏层前向传播到卷积层4. 隐藏层前向传播到池化层5. 隐藏层前向传播到全连接层6. CNN前向传播算法小结（三） 卷积神经网络(CNN)反向传播算法6.1 回顾DNN的反向传播算法6.2 CNN的
复活CNN！港大 CVPR 2025 高分论文，助力卷积神经网络效率暴涨还省显存！
最新发布
04-02 987
在深度学习蓬勃发展的当下，卷积神经网络视觉基础模型正不断拓展着视觉处理领域的边界。这些模型如同精密的视觉感知引擎，深度挖掘图像、视频中的关键信息，在安防监控、自动驾驶、医疗影像分析等诸多领域发挥着不可替代的作用。其中港大研究人员这篇入选CVPR 2025的高分论文，提出新型纯CNN架构OverLoCK借鉴人类视觉系统“先概览后细察”的运作模式，创新性地采用深度阶段分解策略（DDS）与上下文混合动态卷积（ContMix）。
CNN基础知识笔记
热门推荐
zxmyoung的博客
10-24 1万+
1. 卷积神经网络的概念 上世纪60年代，Hubel等人通过对猫视觉皮层细胞的研究，提出了感受野这个概念，到80年代，Fukushima在感受野概念的基础之上提出了神经认知机的概念，可以看作是卷积神经网络的第一个实现网络，神经认知机将一个视觉模式分解成许多子模式（特征），然后进入分层递阶式相连的特征平面进行处理，它试图将视觉系统模型化，使其能够在即使物体有位移或轻微变形的时候，也能完成识别。 卷积神经网络是多层感知机（MLP）的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来，视觉皮层的
CNN
阿里Darker
07-16 3697
分类：   30.Machine L & Deep Learning（11）  目录(?)[-]                通俗理解卷积神经网络cs231n与5月dl班课程笔记前言人工神经网络 1 神经元2 激活函数3 神经网络 卷积神经网络之层级结构CNN之卷积计算层 1 什么是卷积2 图像上的卷积3 GIF动态卷积图 CNN之激励层与池化层
cnn卷积神经网络相关论文
03-08
### 卷积神经网络(CNN)相关研究论文 对于寻找关于卷积神经网络（CNN）的研究论文，可以从以下几个方面入手： #### 1. 论文数据库和平台 多个在线资源提供大量与CNN相关的学术文章。Google Scholar是一个广泛使用的搜索引擎，能够帮助找到特定主题下的最新研究成果[^1]。 #### 2. 关键领域应用 由于近年来也开始将CNN应用于自然语言处理(NLP)，并取得了有趣的结果，在这些方向上的探索同样值得关注。例如，有研究表明通过总结什么是CNN以及如何用于NLP可以更好地理解其背后的直觉[^2]。 #### 3. 基础理论和技术细节 了解完整的连接层中神经元的工作原理也是重要的基础知识之一；这有助于更深入地学习CNN的设计理念及其运作机制。具体来说，这类层内的每个神经元都与上一层的所有激活单元相连，并可通过矩阵运算加上偏置项来进行计算[^3]。 为了方便起见，这里给出一些具体的检索建议： - 使用关键词组合如：“convolutional neural networks”，“image recognition”，“natural language processing” - 查看顶级会议发表的文章，比如ICML、CVPR等 - 浏览知名期刊，像《IEEE Transactions on Pattern Analysis and Machine Intelligence》 ```python import requests from bs4 import BeautifulSoup def search_papers(query): url = f"https://scholar.google.com/scholar?q={query}" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') titles = [] for item in soup.select('.gs_rt'): title = item.find('a').text if item.find('a') else '[No Title]' titles.append(title) return titles[:5] papers = search_papers("convolutional neural network") print("\n".join(papers)) ```
评论
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