【深度学习_TensorFlow】卷积神经网络（CNN）
写在前面 这篇文章的行文思路如下： 先根据视频了解卷积和卷积神经网络的整体框架 接着了解卷积神经网络构建过程中的一些重要操作，包括内积、填充、池化。 然后介绍卷积层如何实现。 最后用卷积神经网络的开山之作（LeNet-5）来进行上手练习。 一、初识卷积 最近学习信号与系统的时候，了解了卷积的相关概念，联想起此前学习opencv的时候也有卷积操作，到现在学到深度学习的时候又碰到了卷积神经网络，但是也一...
【MATLAB源码-第39期】基于m序列/gold序列的直接扩频通信仿真，编码方式采用卷积码，调制方式采用BPSK。
1、算法描述 直接序列扩频通信系统的仿真一般包括以下几个主要步骤：信号产生、扩频、卷积编码、BPSK调制、信道传输、BPSK解调、卷积码译码和解扩。 信号产生： 首先，产生一个二进制数据序列作为待发送的信息位。 扩频： 采用m序列或Gold序列作为扩频码，这两种序列均有良好的自相关和互相关特性。 通过将信息位与扩频码做异或操作，实现信号的扩频。 卷积编码： 将扩频后的信号进行卷积编码。卷积码是一种线性...
使用领域引导图卷积神经网络GCNN增强基于脑电图EEG的神经疾病诊断完整代码
一种基于图卷积神经网络（GCNN）的新方法，用于改进使用头皮脑电图（EEG）进行神经系统疾病诊断。尽管脑电图是神经系统疾病诊断中主要使用的检测方法之一，但基于EEG的专家视觉诊断的敏感性仍然只有约50％。这表明有明确的需求引入先进的方法以降低检测异常头皮EEG的假阴性率。在这个背景下，专注于区分最初由专家分类为“正常”的患有神经系统疾病的患者的异常头皮EEG和健康个体的头皮EEG的问题。本文的贡献有...
【深度学习】卷积神经网络（LeNet）
卷积神经网络 LeNet 前言LeNet 模型代码实现MINST代码分块解析1 构建 LeNet 网络结构2 加载数据集3 初始化模型和优化器4 训练模型5 训练完成 完整代码 Fashion-MINST代码分块解析1 构建 LeNet 网络结构2 初始化模型参数3 加载数据集4 定义损失函数和优化器5 训练模型 完整代码 参考与更多阅读材料 前言 全连接神经网络，也称多层感知机， M L P ML...
Yolov8小目标检测（22）：感受野注意力卷积运算（RFAConv），助力小目标检测
💡💡💡本文改进：感受野注意力卷积运算（RFAConv），解决卷积块注意力模块（CBAM）和协调注意力模块（CA）只关注空间特征，不能完全解决卷积核参数共享的问题 RFAConv | 亲测在红外弱小目标检测涨点明显，map@0.5 从0.755提升至0.765 💡💡💡Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步...
Yolov8小目标检测（10）：DCNv3可形变卷积助力涨点，COCO新纪录65.4mAP | CVPR2023 InternImage
💡💡💡本文改进：DCNv3，基于DCNv2算子引入共享投射权重、多组机制和采样点调制 DCNv3 | 亲测在红外弱小目标检测涨点，map@0.5 从0.755提升至0.765 💡💡💡Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，带你轻松实现小目标检测涨点 💡💡💡重点：通过本专栏的阅读，后续你可以结...
【Python机器学习】实验16 卷积、下采样、经典卷积网络
文章目录 卷积、下采样、经典卷积网络1. 对图像进行卷积处理2. 池化3. VGGNET4. 采用预训练的Resnet实现猫狗识别 TensorFlow2.2基本应用5. 使用深度学习进行手写数字识别 卷积、下采样、经典卷积网络 1. 对图像进行卷积处理 import cv2path = 'data\instance\p67.jpg' input_img = cv2.imread(path) im...
头疼！卷积神经网络是什么？CNN结构、训练与优化一文全解
一、引言卷积神经网络（Convolutional Neural Networks, CNN）的复杂性和灵活性使其成为深度学习领域的核心研究主题之一。在本引言部分中，我们将深入探讨CNN的历史背景、基本原理、重要性以及其在科学和工业领域的影响。 1.1 背景和重要性卷积神经网络的灵感源自人类视觉系统，特别是视觉皮层中的神经元结构。自Hubel和Wiesel在1962年的开创性工作以来，这一理念已经...
【计算机视觉|生成对抗】用深度卷积生成对抗网络进行无监督表示学习（DCGAN）
Representation Learning with Deep Convolutional Generative Adversarial Networks (arxiv.org) 摘要 近年来，卷积网络（CNNs）的监督学习在计算机视觉应用中得到了广泛的应用。相比之下，CNNs的无监督学习受到的关注较少。在这项工作中，我们希望弥补CNNs在监督学习和无监督学习之间的差距。我们引入了一类称为深度卷...
【AI】《动手学-深度学习-PyTorch版》笔记（十七）：卷积神经网络入门
AI学习目录汇总 1、从全链接层到卷积 1.1 卷积 我们在前面学习的多层感知机中，已经认识了全链接层，缺点很明显，在稍微大点的网络模型中，参数成指数级别增长。参数量很快就达到数十亿，这样的量级几乎无法计算。为此科学家们想出一个减少参数的方法：卷积。 从全链接层到卷积的推论，使用如下两个原则： 平移不变性（translation invariance）：不管检测对象出现在图像中的哪个位置，神经网络的...