uestc_yang

uestc_yang

UESTC

威望 : 2560 积分 : 267 赞同 : 11 感谢 : 2

擅长话题

更多 »回复

1

输入的维度是5*3*3,两个2,2*2的卷积核,那么这两个卷积核的维度都是5*2*2,然后这两个卷积核分别与输入的featuremap进行卷积,分别得到一个featuremap。至于输出的维度是2*h*w,这里的h和w与你的stride, pad和kernel...

0

额,使用caffe感觉有点难啊,tensorflow好像能用于安卓,感觉你得看看安卓怎么使用tensorflow。

0

卷积核的个数是表示当前层输出的featuremap的channels数。比如前一层是10个卷积核,表示前一层输出是n×10×h×w,后一层20个 卷积核,输出是n×20×h‘×w’,不一样的地方是当前层的卷积核的维度是20*10×kernel_size_h*k...

0

fcn训练完得到的结果是跟图像大小一样的featuremap,操作应该是对于获取featuremap的channels的最大值的index,这样就或得分割结果了。

0

caffe又不提供所有的预测工具。自己动手写写吧,多标签预测写起来也是很容易的。

更多 »发问

1

731 次浏览  • 2 个关注   • 2016-07-05

1

1276 次浏览  • 2 个关注   • 2016-05-10

2

751 次浏览  • 3 个关注   • 2016-03-22

0

658 次浏览  • 1 个关注   • 2016-03-03

1

813 次浏览  • 2 个关注   • 2016-03-01

发问

回复

文章

最新动态

详细资料

本站成就:

威望: 赞同: 感谢:

最后活跃:
2017-06-12 14:38
擅长话题:
目标检测 7   0
框架使用 3   1
论文阅读 2   0
更多 » 关注 2

辛淼 caffe

更多 » 5 人关注

zcr徒步者 Solomon HmyBmny jschenxinpeng tarzan

关注 话题
主页访问量 : 1113 次访问