文件名称：matlab代码影响-filter_bank:实验以确定将硬编码滤波器用于神经网络第一层的有效性
文件大小：604KB
文件格式：ZIP
更新时间：2024-06-11 03:04:36
系统开源
matlab代码影响筛选银行 通过实验确定将硬编码滤波器用于神经网络图像分类第一层的有效性。 客观的 该项目的目的是确定在基于神经网络的分类器中利用预先配置的第一层的有效性。 假设受到视觉神经元感受野的影响及其与受过训练的神经网络分类器通常的第一层激活的相似性，这一假设是，强制使用第一层过滤器将提高训练的准确性和速度。 背景 生物接受的视野已被证明是Gabor过滤器（图1）。 Gabor过滤器还显示了人工神经网络作为第一层分析（图2）。 图1.与Gabor场模型相比，鼠标测得的接收场触发平均值。 图2.在图像网络上训练的CNN的视觉感受野。 请注意，与过滤器上方的鼠标激活类似。 实验 由于该项目的目标是将预制过滤器的效果与从训练集中学习到的效果进行比较，因此在微型图像网络数据集上训练了两个模型。 这些模型均基于Alexnet。 唯一的区别是，预先构建的过滤器模型的第一层接收了经过预处理以包含Gabor过滤的测试数据。 过程 对于该项目，使用了一个从本出版物中获取的过滤器组，因为它提供了过滤器组代码。 该代码从Matlab转换为python。 这创建了用于项目的过滤器（图3）。 这些滤镜
【文件预览】：
filter_bank-master
----img()
--------Gabor_filter_vs_actual_neuron.png(36KB)
--------ANN_output.png(30KB)
--------output.png(89KB)
--------visual_neuron_receptor_fields.png(81KB)
--------filters.png(59KB)
--------visualize_cnn.png(232KB)
----RFS_filter_bank_analysis.ipynb(145KB)
----RFS_filter_bank_itter.ipynb(52KB)
----README.md(4KB)