@卷積核 / 博客 RSS 訂閱

Nov 22 2025

wx65950818d835e - 18: 超分中的自適應卷積方法

引言 卷積神經網絡（CNN）中的卷積操作是圖像處理的基礎。標準的卷積操作使用固定的卷積核來處理圖像，但對於圖像超分任務而言，固定卷積核可能無法很好地處理不同圖像的細節和特徵。自適應卷積方法通過動態調整卷積核的權重，使得網絡能夠根據輸入圖像的特徵進行自適應卷積，從而提高超分圖像的質量。本文將探討自適應卷積在超分中的應用。 自適應卷積的基本原理 自適應卷積通過引入可

自適應 , 卷積 , 卷積核 , c++ , 後端開發 , c

收藏 評論

Nov 17 2025

mb61c46a7ab1eee - 計算機視覺：卷積神經網絡（CNN）圖像分類從像素與色彩通道基礎到特徵提取、池化及預測 - 指南

一、卷積神經網絡概述 卷積神經網絡通過濾波器（或稱核）從圖像中提取特徵，再將這些特徵傳入神經網絡進行預測或輸出。在深入探討卷積神經網絡之前，我們先詳細瞭解圖像的工作原理。 二、圖像的本質 （一）像素與矩陣表示 圖像由微小的像素構成，如同宇宙由原子組成。每個像素是一個包含數字的單元，類似矩陣中的單元格。本質上，圖像是具有確定行數和列數的矩陣，矩陣中的每個單元

卷積 , redis , 卷積核 , 數據庫 , 池化

收藏 評論

Nov 15 2025

技術博客達人 - resnet與cnn的關係

卷積神經網絡在視覺識別任務上的表現令人稱奇。好的CNN網絡是帶有上百萬參數和許多隱含層的“龐然怪物”。事實上，一個不好的經驗規則是：網絡越深，效果越好。AlexNet，VGG，Inception和ResNet是最近一些流行的CNN網絡。為什麼這些網絡表現如此之好？它們是如何設計出來的？為什麼它們設計成那樣的結構？回答這些問題並不簡單，但是這裏我們試着去探討上面的一些問題。網絡結構

機器學習 , 卷積 , 卷積核 , resnet與cnn的關係 , 人工智能 , 特徵提取

收藏 評論

Nov 27 2025

程序員小2 - 終於把卷積神經網絡算法搞懂了！

今天給大家介紹一個強大的算法模型，CNN 卷積神經網絡（CNN）是一類專門用於處理具有網格結構數據（如圖像、語音、視頻等） 的深度學習模型。 CNN 的設計靈感來自於生物學中的視覺皮層結構，能夠自動、有效地從原始數據中學習空間層次特徵，這極大地減少了人工特徵工程的需要。 CNN 已成為計算機視覺、語音識別、自然語言等領域的基礎模型。 核心原理

卷積 , 卷積核 , 池化 , 代碼人生

收藏 評論