3Dkonvolutionsnetværk
3Dkonvolutionsnetværk, også kendt som 3D CNN'er, er en type dybt neuralt netværk, der er designet til at behandle tredimensionelle data. I modsætning til traditionelle 2D konvolutionsnetværk, der opererer på billeder, kan 3D CNN'er analysere data med dybde eller tidsmæssige dimensioner. Dette gør dem særligt velegnede til opgaver, hvor informationen er organiseret i tre dimensioner, såsom videoanalyse, medicinsk billedbehandling (f.eks. MR-scanninger) og 3D-objektgenkendelse.
Kerneelementet i et 3D konvolutionsnetværk er brugen af 3D konvolutionsfiltre. Disse filtre glider over inputdataene i
Efter konvolutionelle lag følger typisk aktiveringsfunktioner (som ReLU) og pooling-lag. 3D pooling-lag reducerer dimensionen af de