Reti Neurali Convoluzionali (CNN): differenze tra le versioni

Versione delle 21:24, 30 mar 2024

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.

Errore nella creazione della miniatura: /bin/bash: line 1: /usr/bin/convert: No such file or directory Error code: 127

VGG16 Architecture

Links

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

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

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

DeepDream

Going Deeper with Convolutions (2014 - Inception)

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

@@ Riga 4: / Riga 4: @@
 I Layer Convoluzionali applicano un filtro, detto [[kernel di convoluzione]] sull'immagine.
+[[File:VGG16 Architecture.webp|alt=VGG16 Architecture|nessuno|miniatura|600x600px|VGG16 Architecture]]
 === 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
 ==== DeepDream ====