Reti Neurali Convoluzionali (CNN): differenze tra le versioni

Versione attuale delle 13:47, 17 ago 2024

Reti Neurali Convoluzionali (CNN)
Nome Inglese	Convolutional Neural Networks
Sigla	CNN
Anno Di Creazione	1995
Pubblicazione	Gradient-based learning applied to document recognition
URL	http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf
Topic	Immagini, Classificazione

Reti che utilizzano Layer Convoluzionali, utilizzate soprattutto per la classificazione di immagini 2D.

Differiscono dalle reti che utilizzano Layer Totalmente Connessi (Fully Connected Layer) in quanto l'input non è monodimensionale, ma 2D, conservando in questo modo le informazioni spaziali che andrebbero perse se si appiattisse la matrice di pixel che costituisce l'immagine.

I Layer Convoluzionali applicano un filtro, detto kernel di convoluzione sull'immagine.

Links

https://en.wikipedia.org/wiki/LeNet

Very deep convolutional networks for large-scale image recognition (2015) - VGG16

https://paperswithcode.com/method/vgg-16

Deep Residual Learning for Image Recognition (2015) - Resnet50

https://cs.stanford.edu/people/karpathy/convnetjs/

DeepDream

Going Deeper with Convolutions (2014 - Inception)

https://blog.research.google/2015/06/inceptionism-going-deeper-into-neural.html

https://richardcoyne.com/2022/05/01/the-hallucination-machine/

https://www.nature.com/articles/s41598-017-16316-2

@@ Riga 1: / Riga 1: @@
+{{template architettura
+|NomeInglese=Convolutional Neural Networks
+|Sigla=CNN
+|AnnoDiCreazione=1995
+|Pubblicazione=Gradient-based learning applied to document recognition
+|URLHomePage=http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf
+|Topic=Immagini, Classificazione
+}}
 Reti che utilizzano Layer Convoluzionali, utilizzate soprattutto per la classificazione di immagini 2D.
@@ Riga 4: / Riga 12: @@
 I Layer Convoluzionali applicano un filtro, detto [[kernel di convoluzione]] sull'immagine.
+[[File:Rete Neurale Convoluzionale.png|nessuno|miniatura|600x600px|Rete Neurale Convoluzionale]]
+[[File:Rete Neurale Convoluzionale - Funzionamento.png|nessuno|miniatura|600x600px|Rete Neurale Convoluzionale - Funzionamento]]
+=== Links ===
+https://en.wikipedia.org/wiki/LeNet
+[https://arxiv.org/pdf/1409.1556.pdf Very deep convolutional networks for large-scale image recognition (2015) -  VGG16]
+https://paperswithcode.com/method/vgg-16
+[https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image Recognition (2015) - Resnet50]
+https://cs.stanford.edu/people/karpathy/convnetjs/
+==== DeepDream ====
+[https://arxiv.org/abs/1409.4842 Going Deeper with Convolutions (2014 - Inception)]
+https://blog.research.google/2015/06/inceptionism-going-deeper-into-neural.html
+https://richardcoyne.com/2022/05/01/the-hallucination-machine/
+https://www.nature.com/articles/s41598-017-16316-2
+[[Category:architettura]]
+{{#seo:
+            |title=Reti Neurali Convoluzionali (CNN)
+            |title_mode=append
+            |keywords=reti neurali, reti neurali convoluzionali, cnn, convolutional neural networks, apprendimento automatico, machine learning, visione artificiale, computer vision, classificazione di immagini, deep learning, kernel di convoluzione, filtri convoluzionali
+            |description=Le Reti Neurali Convoluzionali (CNN) sono un tipo di rete neurale artificiale specializzata nell'elaborazione di immagini. Introdotte nel 1995, utilizzano layer convoluzionali per estrarre informazioni spaziali dalle immagini, rendendole ideali per compiti come la classificazione e il riconoscimento di oggetti.
+            |image=Rete Neurale Convoluzionale.png
+            }}