ConvNet
forkortelse for Convolutional Neural Network
ConvNet er en type neuralt netværk, der primært bruger konvolutionslag til at udtrække hierarkiske mønstre fra inputdata som billeder.
Kort fortalt
En ConvNet er et neurale netværk designet til at genkende mønstre i billeder ved at lære filtre, der fremhæver kanter, former og objekter.
- Kategori
- arkitektur
- Niveau
- øvet
- Udtale
- /kɑnvˈnet/
Betydninger
1- 1
En arkitektur for neurale netværk, der anvender konvolutionsoperationer til automatisk at lære rumlige funktionskort fra inputdata, typisk billeder.
- ConvNet-modellen opnåede en top-1 fejlrate på 22,5 % på ImageNet-datasættet. — Krizhevsky et al., 2012
- For at forbedre klassifikationen af medicinske scanninger anvendte forskerne en dyb ConvNet med 50 lag.
Hvornår bruges det
ConvNets anvendes i billedgenkendelse, videoanalyse, medicinsk diagnostik og mange andre opgaver med rumlige data. De er grundlaget for state-of-the-art modeller som ResNet og YOLO.
Kodeeksempel
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
model = Sequential([
Conv2D(32, (3,3), activation='relu', input_shape=(64,64,3)),
MaxPooling2D((2,2)),
Conv2D(64, (3,3), activation='relu'),
MaxPooling2D((2,2)),
Flatten(),
Dense(128, activation='relu'),
Dense(10, activation='softmax')
])En simpel ConvNet til klassifikation af 64x64 RGB-billeder med to konvolutions- og pooling-lag.
Oprindelse
Forkortelse af 'Convolutional Neural Network' (konvolutionelt neuralt netværk). Begrebet opstod med Yann LeCuns arbejde på 1990'erne.