Reti Neurali Convoluzionali (CNN): differenze tra le versioni
Nessun oggetto della modifica |
Nessun oggetto della modifica |
||
| Riga 10: | Riga 10: | ||
[https://arxiv.org/pdf/1409.1556.pdf Very deep convolutional networks for large-scale image recognition (2015) - VGG16] | [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://paperswithcode.com/method/vgg-16 | ||
[https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image Recognition (2015) - Resnet50] | |||
==== DeepDream ==== | ==== DeepDream ==== | ||
Versione delle 21:28, 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
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