Konvolutionsneuronnetværk

Konvolutionsneuronnetværk (CNN) er en type dybt neuralt netværk, der er særligt velegnet til bearbejdning af rasterdata som billeder og video. Netværket udnytter convolutionelle lag, som anvender filtre (kerneler) til at udtrække lokalfeatures ved at konvolvere over indgangsdataene. Dette giver effektiv parameterdeling og evne til at fange mønstre som kanter, teksturer og former på tværs af billedet.

En typisk CNN består af vekslende lag af convolution, aktivering og pooling, ofte efterfulgt af fuldt forbundne lag til klassifikation. Convolutional-lagene anvender små filtre, der glider over indgangen og producerer aktiveringer, der svarer til mønstre i dataene. Pooling reducerer dimensionerne og giver delvis invarians over små translationsforskydninger.

Dataflows i CNN'er kan være 2D for billeder, 1D for tidsserier og 3D for video eller volumetriske data. Træning sker via backpropagation og gradientdescent, med tabfunktioner som krydskategori eller MSE. Store datasæt og data-augmentation er almindelige for at forbedre generalisering og mindske overfitting.

Anvendelserne spænder bredt: billedklassificering, objektdetektion, segmentering og ansigtsgenkendelse samt medicinske billedopgaver. Kendte arkitekturer omfatter LeNet, AlexNet, VGG, ResNet og U-net; de har haft stor indflydelse på feltet og demonstrerer forskellige dybder, filterstørrelser og forbindelsesmønstre.

Variationer og forbedringer inkluderer depthwise separable convolutions (f.eks. i MobileNet), som reducerer beregninger, samt teknikker som batchnormalisering og residualforbindelser, der hjælper træningen af meget dybe netværk.