Reti Neurali Convoluzionali (CNN): differenze tra le versioni
Nessun oggetto della modifica |
|||
Riga 18: | Riga 18: | ||
https://blog.research.google/2015/06/inceptionism-going-deeper-into-neural.html | 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]] | [[Category:architettura]] |
Versione delle 10:18, 2 apr 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.
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
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/