Hoe werken convolutionele neurale netwerken?
Hoe werken convolutionele neurale netwerken?

Video: Hoe werken convolutionele neurale netwerken?

Video: Hoe werken convolutionele neurale netwerken?
Video: What are Convolutional Neural Networks (CNNs)? 2024, April
Anonim

EEN Convolutief neuraal netwerk (ConvNet/CNN) is een Deep Learning-algoritme dat een invoerbeeld kan opnemen, belang (leerbare gewichten en vooroordelen) kan toekennen aan verschillende aspecten/objecten in het beeld en in staat is om de een van de ander te onderscheiden.

De vraag is ook: waar zijn convolutionele neurale netwerken goed voor?

Dit is het idee achter het gebruik van pooling in convolutionele neurale netwerken . het poolen laag dient om de ruimtelijke grootte van de representatie geleidelijk te verminderen, om het aantal parameters, de geheugenvoetafdruk en de hoeveelheid rekenwerk in de netwerk , en dus ook om overfitting te beheersen.

En wat zijn filters in convolutionele neurale netwerken? In convolutioneel ( filteren en codering door transformatie) neurale netwerken (CNN) elke netwerk laag fungeert als een detectie filter voor de aanwezigheid van specifieke kenmerken of patronen in de originele gegevens.

Weet ook, hoe leert een CNN?

Omdat de CNN kijkt naar pixels in context, het is kunnen leren patronen en objecten en herkent ze zelfs als ze zijn in verschillende posities op de afbeelding. CNN's (convolutionele lagen om specifiek te zijn) leren zogenaamde filters of kernels (ook wel filterkernels genoemd).

Wat is het doel van de convolutielaag?

de primaire doel van convolutie in het geval van aConvNet is het om functies uit de invoerafbeelding te extraheren. Convolutie behoudt de ruimtelijke relatie tussen pixels door beeldkenmerken te leren met behulp van kleine vierkantjes invoergegevens.

Aanbevolen: