Reti Neurali Convoluzionali (CNN): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 4: | Riga 4: | ||
I Layer Convoluzionali applicano un filtro, detto [[kernel di convoluzione]] sull'immagine. | I Layer Convoluzionali applicano un filtro, detto [[kernel di convoluzione]] sull'immagine. | ||
=== Links === | |||
https://en.wikipedia.org/wiki/LeNet | |||
==== 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 | |||
[[Category:architettura]] | [[Category:architettura]] | ||
Versione delle 20:58, 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.
Links
https://en.wikipedia.org/wiki/LeNet
DeepDream
Going Deeper with Convolutions (2014 - Inception)
https://blog.research.google/2015/06/inceptionism-going-deeper-into-neural.html