Inhaltsverzeichnis:
- Definition - Was bedeutet Deconvolutional Neural Network (DNN)?
- Techopedia erklärt Deconvolutional Neural Network (DNN)
Definition - Was bedeutet Deconvolutional Neural Network (DNN)?
Ein dekonvolutionelles neuronales Netzwerk ist ein neuronales Netzwerk, das ein inverses Faltungsmodell durchführt. Einige Experten bezeichnen die Arbeit eines neuronalen Entfaltungsnetzwerks als Aufbau von Schichten aus einem Bild in Aufwärtsrichtung, während andere Entfaltungsmodelle als „Reverse Engineering“ der Eingangsparameter eines neuronalen Faltungsnetzwerksmodells bezeichnen.
Dekonvolutionelle neuronale Netze werden auch als Dekonvolutionelle Netze, Dekonvulsionen oder transponierte konvolutionelle neuronale Netze bezeichnet.
Techopedia erklärt Deconvolutional Neural Network (DNN)
Dekonvolutionelle neuronale Netze können auf viele verschiedene Arten beschrieben werden. Viele dieser Tools verwenden dieselben Filtertypen wie neuronale Faltungsnetze, verwenden sie jedoch unterschiedlich. Profis nutzen Ideen wie Backpropagation und Reverse Filtering sowie Techniken wie Striding und Padding, um transponierte Faltungsmodelle zu erstellen.
In einem sehr vereinfachten Sinn könnte man sagen, dass Profis eine CNN „rückwärts laufen lassen“, aber die eigentlichen Mechanismen dekonvolutiver neuronaler Netze sind weitaus ausgefeilter. Ein weiterer Teil von neuronalen Faltungs- und Entfaltungsnetzen besteht darin, eine Hierarchie zu erstellen. Beispielsweise kann ein anfängliches Netzwerkmodell das primäre Lernen übernehmen und ein anderes Modell das Zielbild visuell segmentieren. Im Allgemeinen umfasst der DNN das Abbilden von Matrizen von Pixelwerten und das Ausführen eines "Merkmalsselektors" oder eines anderen Werkzeugs über einem Bild. All dies dient dem Zweck, maschinelles Lernen zu trainieren, insbesondere in den Bereichen Bildverarbeitung und Computer Vision.
