ConvNet-model
forkortelse for Convolutional Neural Network-model
En neural netværksarkitektur, der anvender konvolutionslag til at lære hierarkiske repræsentationer af strukturelle data, typisk billeder.
Kort fortalt
En AI-model, der lærer at genkende mønstre som kanter, former og objekter i billeder ved hjælp af filtre, der scannes over input.
- Kategori
- model
- Niveau
- øvet
- Udtale
- /ˈkɒnvˌnɛt ˈmoʊdəl/
Betydninger
1- 1
En modeltype baseret på konvolutionelle neurale netværk, der anvendes til behandling af data med et gitterlignende topologi som billeder.
- ConvNet-modellen opnåede toppræstation på ImageNet-datasættet i 2012. — Krizhevsky et al., 2012
- For at reducere overfitting anvender ConvNet-modellen dropout efter de fuldt forbundne lag. — Srivastava et al., 2014
Hvornår bruges det
ConvNet-modeller bruges primært i computer vision til opgaver som billedklassifikation, objektdetektion og segmentering. De trænes på store billeddatasæt med backpropagation og anvender operationer som konvolution, pooling og aktiveringsfunktioner.
Kodeeksempel
import torch.nn as nn
class SimpleConvNet(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(1, 32, 3)
self.relu = nn.ReLU()
self.pool = nn.MaxPool2d(2, 2)
self.fc = nn.Linear(32 * 13 * 13, 10)
def forward(self, x):
x = self.pool(self.relu(self.conv1(x)))
x = x.view(x.size(0), -1)
x = self.fc(x)
return xSimpel ConvNet-model i PyTorch med ét konvolutionslag, ReLU-aktivering, max-pooling og et fuldt forbundet lag.
Oprindelse
Termen er en sammentrækning af 'convolutional neural network' (konvolutionelt neuralt netværk) og 'model', med oprindelse i forskning af Yann LeCun m.fl. i 1980'erne og 1990'erne.
Afledte ord
1Kilder
2- Gradient-Based Learning Applied to Document Recognition (LeCun et al., 1998)
- ImageNet Classification with Deep Convolutional Neural Networks (Krizhevsky et al., 2012)