Kako delujejo konvolucijske nevronske mreže?
Kako delujejo konvolucijske nevronske mreže?

Video: Kako delujejo konvolucijske nevronske mreže?

Video: Kako delujejo konvolucijske nevronske mreže?
Video: 💰🤩Я ВИЖУ КАК БОЛЬШИЕ ПОТОКИ ДЕНЕГ ВХОДЯТ В МОЮ ЖИЗНЬ 🌟💰 2024, November
Anonim

A Konvolucijska nevronska mreža (ConvNet/CNN) je algoritem za globoko učenje, ki lahko prevzame vhodno sliko, dodeli pomembnost (uteži in pristranskosti) različnim vidikom/predmetom na sliki in je sposoben razlikovati enega od drugega.

Vprašanje je tudi, za kaj so dobre konvolucijske nevronske mreže?

To je ideja za uporabo združevanja konvolucijske nevronske mreže . Združevanje plast služi za postopno zmanjševanje prostorske velikosti predstavitve, za zmanjšanje števila parametrov, pomnilniškega odtisa in količine računanja v omrežje , in s tem tudi za nadzor prekomerne opremljanja.

Tudi, kaj so filtri v konvolucijskih nevronskih mrežah? V konvolucijski ( filtriranje in kodiranje s transformacijo) nevronske mreže (CNN) vsak omrežje plast deluje kot detekcija filter za prisotnost posebnih značilnosti ali vzorcev, ki so prisotni v izvirnih podatkih.

Veš tudi, kako se CNN uči?

Zaradi CNN gleda piksle v kontekstu, it je zmožen učiti se vzorce in predmete ter jih prepozna, tudi če so na različnih položajih na sliki. CNN-ji (konvolucijski sloji, če je natančno) učiti se tako imenovani filtri ali jedra (včasih imenovana tudi filtrska jedra).

Kakšen je namen konvolucijske plasti?

Primarni namen konvolucije v primeru aConvNet je izvleči značilnosti iz vhodne slike. Konvolucija ohranja prostorsko razmerje med slikovnimi pikami z učenjem funkcij slike z uporabo majhnih kvadratov vhodnih podatkov.

Priporočena: