Spisu treści:
- Definicja - Co oznacza Deconvolutional Neural Network (DNN)?
- Techopedia wyjaśnia Deconvolutional Neural Network (DNN)
Definicja - Co oznacza Deconvolutional Neural Network (DNN)?
Dekonwolucyjna sieć neuronowa to sieć neuronowa, która wykonuje odwrotny model splotu. Niektórzy eksperci określają pracę dekonwolucyjnej sieci neuronowej jako konstruowanie warstw z obrazu w górę, podczas gdy inni opisują modele dekonwolucyjne jako „inżynierię odwrotną” parametry wejściowe modelu splotowej sieci neuronowej.
Dekonwolucyjne sieci neuronowe są również znane jako sieci dekonwolucyjne, dekonwerty lub transponowane sieci neuronowe splotowe.
Techopedia wyjaśnia Deconvolutional Neural Network (DNN)
Dekonwolucyjne sieci neuronowe można opisać na wiele różnych sposobów. Wiele z tych narzędzi wykorzystuje te same typy filtrów co splotowe sieci neuronowe, ale używa ich inaczej. Specjaliści wykorzystują takie pomysły, jak propagacja wsteczna i filtrowanie wsteczne, a także techniki takie jak kroczenie i wypełnianie do budowy transponowanych modeli splotowych.
W bardzo uproszczonym sensie można powiedzieć, że profesjonaliści mogą „uruchomić CNN wstecz”, ale rzeczywista mechanika sieci neuronowych o charakterze dekonwolucyjnym jest znacznie bardziej wyrafinowana. Inna część splotowych i dekonwolucyjnych sieci neuronowych obejmuje tworzenie hierarchii - na przykład początkowy model sieci może przeprowadzić podstawową naukę, a inny model może wizualnie segmentować obraz docelowy. Zasadniczo DNN obejmuje mapowanie macierzy wartości pikseli i uruchamianie „selektora funkcji” lub innego narzędzia na obrazie. Wszystko to służy szkoleniu programów uczenia maszynowego, szczególnie w zakresie przetwarzania obrazu i widzenia komputerowego.
