Konvolutionsnetværk

Konvolutionsnetværk, ofte forkortet CNN eller ConvNet, er en type dybt neuralt netværk, der er særligt velegnet til behandling af billeddata. De er inspireret af den biologiske organisation af den visuelle cortex, hvor neuroner er organiseret i et hierarki, der reagerer på bestemte stimuli. Kernen i et konvolutionsnetværk er konvolutionslaget. Dette lag anvender en række filtre (også kendt som kernels) på inputbilledet for at detektere lokale træk som kanter, hjørner og teksturer. Disse filtre er små matricer, der "glider" over billedet og udfører elementvis multiplikation og summation. Resultatet af denne operation er et aktiveringskort, der fremhæver, hvor specifikke træk findes i billedet.

Efter konvolutionslagene anvendes typisk poolinglag. Pooling, såsom max pooling eller average pooling, reducerer dimensionerne af aktiveringskortene, hvilket gør netværket mere robust over for små variationer i inputbilledet og reducerer beregningsomkostningerne. Dette trin hjælper med at fastholde de vigtigste informationer, mens unødvendige detaljer fjernes.

Til sidst samles de udtrådte træk i et eller flere fuldt forbundne lag, der fungerer som en klassificator. Disse lag bruger de lærte repræsentationer til at afgøre, hvilken kategori billedet tilhører. Træningen af et konvolutionsnetværk indebærer at justere vægtene i filtrene og de fuldt forbundne lag gennem en proces kaldet backpropagation for at minimere forskellen mellem netværkets forudsigelser og de faktiske labels. CNN'er har revolutioneret billedgenkendelse, objektdetektering og billedsegmentering.