问题标签 [matconvnet]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
matlab - 我如何评估我自学的 MATCONNET CNN 网络
我正在尝试使用 MATCONVNET 构建自己的 CNN(Alexnet 模型)用于交通标志识别。我使用来自德国交通标志识别基准 (GTSRB) 网站 ( http://benchmark.ini.rub.de/?section=gtsrb&subsection=datase ) 的图像数据集创建了我自己的 IMDB,其中包括标记良好的训练、验证以及43类道路交通标志的测试数据。
现在我面临两个挑战。
我的网络没有融合。我有一个大约 0.977 的稳定误差
即使有这个错误率,我也在尝试评估我训练有素的网络,但这就是我面临的最大挑战。我还没有弄清楚如何在 MATCONVNET 中评估自训练网络,并且几乎没有有用的材料可以提供帮助。
如果您对我需要更改或做得更好有什么想法,请有人帮忙?
loss - 如何通过 matconvnet 在预训练的 CNN 模型中添加自定义层和损失函数?
我是 matconvnet 的新手。最近,我想尝试一种新的损失函数来代替预训练模型中现有的损失函数,例如 vgg-16,它通常使用 softmax 损失层。更重要的是,我想使用一个新的特征提取层,而不是池化层或最大层。我知道 matconvnet、simpleNN 和 DagNN 中分别有 2 个 CNN 包装器,因为我使用的是 vgg-16,这是一个具有线性构建块序列的线性模型。那么,在 simpleNN 包装器中,如何详细创建自定义层,尤其是过程和相关概念,例如,我需要删除新特征提取器层后面的层还是只保留它们?而且我知道如何计算损失函数的导数,因此层内的计算细节在这个问题中并不重要,我只想知道代码所代表的过程。有人可以帮助我吗?我会很感激的!
matlab - Matconvnet - 如何用我自己的图片和标签制作 imdb.mat(图像数据库)
MatLab新手在这里。我想使用 CNN 对我的数据进行分类,我有 46 个文件夹,每个文件夹里面有 5 张图片。我的数据是平假名文本,就像字母表一样。
我正在关注本教程,它已经有 imdb.mat 文件。我已经在寻找答案,但仍然无法弄清楚如何制作我自己的 imdb。真的需要一步一步的解释以及我的文件夹应该如何构建。
谢谢你。
matlab - 是否可以创建具有真实输出的 CNN?
trainNetwork() 的输出类型必须是 categorical()。如何创建具有浮点/真实输出的 CNN?
我的意思是以下命令给出以下错误:
(错误消息对应于 [0.0, 0.1, 0.2, 0.3] 向量),但我需要真正的输出,而不是类别。
networkLayers 如下:
deep-learning - 这个图形可视化是否正确?
我是深度学习的新手,并试图根据我的设计和形状绘制 fcn32 架构(纸上的图 3)。您能否看一下 FCN32 架构的示意图,如果某些部分需要更正,请告诉我?谢谢
matlab - matconvnet 上的残差网络单元内容参考误差
我正在使用 mathconvnet 1.0 beta24。我可以正确安装和编译工具箱。当我按照网站上的快速入门(http://www.vlfeat.org/matconvnet/quick/);我开始;
之后,我想使用其中一个 resnet 模型而不是 imagenet-vgg-f 模型,所以我继续;
它在这部分工作正常,但是当我运行以下命令时;
我收到以下错误;
来自非元胞数组对象的元胞内容引用。
imagenet-vgg-f 模型工作正常,但是当我尝试使用 resnet 模型时出现错误。我不知道如何解决这个问题。这对我来说非常重要,因为我是一个新手。
任何想法表示赞赏
提前致谢
neural-network - 神经网络中的恒定误差,MatConvNet
已解决:以前我的数据集有大约 1000 张图像。我将它增加到 50 000,现在神经网络学习并工作。
我创建了一个卷积神经网络,用于从面部表情(积极、中性、消极情绪)中识别三种情绪。不知何故,我的错误函数并没有变得更好(错误图像)。训练和验证误差在 100 个 epoch 内保持不变。可能是什么原因?
为什么错误是恒定的?
这是我的代码:
matlab - 基于回归的数字估计?
我正在使用 AlexNet 来训练基于回归的计数估计。我的代码如下
但是输入图像的预测对于所有图像和负片都是恒定的。我在这里做错了什么?
initialization - 卷积神经网络中的迁移学习性能更差
我正在使用 MatConvNet 中的卷积神经网络进行情感识别。我有一个主要的大数据集(A 有 40.000 张图片)和两个更难、更小的数据集(B、C 有 5.000 张图片)具有相同的类。当我在数据集 A 上使用随机权重初始化运行我的网络时,我得到了 70% 的准确率。
因此,我想通过在同一网络架构上的数据集 B 和 C 上预训练的权重进行初始化来提高性能。在数据集 A 上微调我的网络时,我只从预训练网络中获取三个初始层(conv、relu、pool)。但是,我得到的结果低于随机权重。我还尝试了所有层,六个第一层和一个第一层。
我理解和实施正确吗?我使用来自预训练网络的权重,而不是前三层中的随机权重(实际上只是在第一层 - conv)。现在我不确定我是否很好地理解了这个概念。
我使用以下代码进行微调: