Reti Neurali Convoluzionali (CNN): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 1: | Riga 1: | ||
{{template architettura | |||
|NomeInglese=Convolutional Neural Networks | |||
|Sigla=CNN | |||
|AnnoDiCreazione=1995 | |||
Sigla | |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. | Reti che utilizzano Layer Convoluzionali, utilizzate soprattutto per la classificazione di immagini 2D. | ||
| Riga 42: | Riga 36: | ||
https://www.nature.com/articles/s41598-017-16316-2 | https://www.nature.com/articles/s41598-017-16316-2 | ||
[[Category:architettura]] | [[Category:architettura]] | ||
Versione delle 15:19, 27 mag 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/