Konvolutionalt Neuralt Netværk

term_id: convolutional_neural_network

Category: basic_concepts

Definition

Konvolutionale neurale netværk (CNN’er) er designet til automatisk og adaptivt at lære rumlige hierarkier af træk fra visuelle input. De bruger konvolutionale lag, der anvender filtre til at detektere specifikke mønstre som kanter, teksturer og former.

Summary

En specialiseret klasse af dybe neurale netværk, der primært bruges til at behandle gitterlignende data, såsom billeder, ved at anvende konvolutionale filtre.

Key Concepts

  • Konvolutionale lag
  • Pooling (Nedsampling)
  • Trækkort
  • Rumligt hierarki

Use Cases

  • Billedklassificering
  • Objektdetektion i videostreams
  • Diagnostik af medicinske billeder

Code Example

1
2
3
4
5
6
7

import tensorflow as tf
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    tf.keras.layers.MaxPooling2D((2, 2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(10)
])

Related