卷积神经网
3 cose da sapere
卷积神经网络(CNN o ConvNet) è un 'architettura di rete per il深度学习车徒弟direttamente dai dati,消除la necessità di estrarre manumente le feature。
每个人都有自己的想法,每个人都有自己的想法,场景。在这里,所有人都有必要对我的数据进行分类而不是想象,这是我的故事。
“应用”和“富裕”Riconoscimento di oggettie拉mondo visione artificiale来吧我Veicoli,一种自主guida autonomaCNN,我们在电视上看到了什么?
L ' utilzzo delle CNN per il深度学习è diffuso per via di tre fattori importanti:
- Le CNN消除la necessità di estarre manual Le feature in quanto queste vengono apprese direttamente dalla CNN。
- 一个精确的计算公式
- CNN每一个新事物都有自己的想法attività我们有自己的想法,我们有自己的想法。
Le CNN forniscono un 'architettura timale per identiare e apprendere Le feature chiave in dati想象e serie storiche。Le CNN rappresentano una technology chiave in applicazioni come:
- 成像biomedico:美国有线电视新闻网在grado di analizzare migliaia di esami medici per rilevare visivamente l ' final presenza di cellule tumorali nelle immagini。
- Elaborazione音频:我的语言语言può我的语言语言语言può我的语言语言语言语言(“你好,Siri!”)。Le CNN sono在grado di apprendere re rilevare con precisione Le parole, chiave tralasciando tutto il resto,独立于环境。
- 我要停止: la guida autonoma sfrutta le CNN每一项决策都是基于所有输出的。
- 中国数据的发展:中音l ' utilzzo di视网膜生积性食道è可能的程序在应用深度学习,tra cui il riconscimentto facciale e la guida autonomous。
Per saperne di più
Una rete neurale convoluzionale può avere decine o centinaia di layer, ciascuno dei quali学徒特征多样化di un ' imagination。在每一层连续的输入中,应用过滤不同的输出。我过滤所有的精华精华的初始化的特征molto semplici, ad esempio la luminosità o I bordi, e diventare sempre più complessi fino a include特征che definiscono in modo univoco l 'oggetto。
徒弟到delle特征,分层分类
类比ad altre reti neurali, una CNN è costituita da un layer di input, un layer di output e tanti layer intermedii nascosti。
问题一层,具体的,具体的,具体的,具体的,具体的,详细的,详细的,详细的,详细的,详细的,详细的,详细的。Tre dei层più diffusi sono: la convoluzione, l 'attivazione o ReLU e il pooling。
- 拉convoluzione输入一种卷积过滤,一种定性确定的特征。
- L 'unità lineare rettificata (ReLU)同意联合国决议più迅速有效的方式,无效的方式,零的方式,积极的方式。Questa operazione è talvolta definitaattivazione, dal momento che solo le特征,激发了vengoro的层层递进。
- 伊尔池输出中间量下采样非线性,在计算参数的基础上的改进。
我要重申的是,这是一层,这是一层,这是不同的特征。
有条件的偏见
类比a una网neurale传统的,这是CNN可能产生的神经偏见。我的模型,学徒,问,valesti, durante, l 'addestramento, e, li, aggiorna, costantemente, con, ogni, nuovo, esempio, di, addestramento。Tuttavia, nel caso delle CNN,在不确定层中,在不确定层中,在不确定层中,在不确定层中,在不确定层中,在不确定层中,在不确定层中,在不确定层中,在不确定层中,在不确定层中。
Ciò在不同的aree dell’immagie中,显着的图画我的神经,nascosti rilevano la stessa特征,来bordi o macchie。Ciò在你的想象中,你的内心世界真主安拉。Ad esempio, una rete addestrata a riconoscere automobile ili sarà在grado di farlo independence dal tipo di automobile presente nell ' immage。
第二层分类
数字层的Dopo aver appreso le特征,l 'architettura di una passa真主安拉classificazione。
Il penultimo layer è un layer compleente conesso che emette un vettore di dimensioni K dove K è Il numero di classi che la rete sarà在grado di prevedere。问题的连续性probabilità每ciascuna类di qualsiasi想象分类。
L 'ultimo layer dell 'architettura CNN使用unlayer di classificazione来unsoftmax per fornire L 'output della classificazione。
UtilizzandoMATLAB®反对深度学习工具箱™e的可行性progettare, addestare e distribuire CNN。
MATLAB提供了一种全新的数学模型,一种基于社区的深度学习方法,可用于新数据集的特征识别。世界杯预选赛小组名单Questo metodo, chiamato迁移学习,è un modo方便per applicare il深度学习senza partire da zero。Modelli come GoogLeNet, AlexNet e Inception forniscono un punto di partenza per esperti深度学习e trarre vantaggio da architecture efficaci costruite da esperti。
Progettazione e addestramento di reti
利用深度网络设计师,sarai在grado di importare modelli预addestrati o costruire nuovi modelli da 0。
È在可能的地址中,我们可以看到,我们可以看到,我们可以看到,我们可以看到,我们可以看到。
利用模型预处理迁移学习
Ottimizzare una rete pre addestrata mediante转移学习è in generere una soluzione molto più rapida e semplice rispetto all 'addestramento da zero。La quantità di dati e le risorse computazionali richieste sono minime。迁移学习利用概化导数和求解相似问题的方法。在新生的土地上,我们可以利用新生的土地attività。Un vantaggio del迁移学习è che la rete pre-addestrata ha già appreso Un esteso set di feature。任务特征所有人必须应用一个una vasta gamma di attività simili。广告esempio e相信prendere una网addestrata苏milioni di immagini e riaddestrarla per una nuova classificazione di oggetti utilizzando独奏centinaia di immagini。
加速器硬件控制GPU
卷积神经网è神经网,神经网,神经网。Quando si lavora con grandi quantità di dati e con architecture di rete complesse, le GPU所有的加速和体积的速度di精细的必要的每一个地址和模型。
Per saperne di più
CNN
Rilevamento di oggetti
Il rilevamento di oggetti è Il processo di identificazione and classificazione di oggetti in immagini e video。计算机视觉工具箱offre框架di addestramento per creare rilevatori di oggetti basati sul深度学习con YOLO e Faster R-CNN。
我爱你
这是一首歌词è我的歌词,我的歌词,我的歌词,我的歌词,我的歌词,我的歌词。我知道,我知道,我知道,我知道,我知道,我知道。
Segmentazione semantica
Le CNN sonzzo利用每标识的象素呈现的非想象的分类对应的语义。语义学分类può在自治指南的应用中,工业分类,生物成像分类。卷积神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜,神经的视网膜。
MATLAB fornisce strumenti e funzionalità per tutte le applicazioni di深度学习。利用CNN每支持的工作流程,视觉人工或通信雷达。
来saperne di più sulle CNN
I prodotti che supportano l 'utilizzo di CNN per l 'analisi delle immagini includeMATLAB,计算机视觉工具箱,统计和机器学习工具箱™e深度学习工具箱.
Le reti neurali convoluzionali richhiedono深度学习工具箱.L 'addestramento e la previsione sono supportati da una GPU兼容CUDA®, dotata di una capacità di精心设计的巴黎superiore a 3.0。L ' utilzzo di una GPU è vivamente consigliato e richiede并行计算工具箱.