- Le reti neurali convolutive (CNN) sono state ideate negli anni ’90 da Yann LeCun con LeNet per il riconoscimento dei caratteri scritti a mano. Le CNN sfruttano l’operazione di convoluzione, che era già nota per l’estrazione dei contorni e la rilevazione di pattern semplici nelle immagini.
- Le CNN sono strutturate in blocchi che comprendono uno strato di input, strati convolutivi e di pooling, un operatore di flattening, strati fully-connected e uno strato di output. Le immagini vengono elaborate attraverso questi strati, riducendo la loro dimensione spaziale ma aumentando il numero di canali, per rilevare caratteristiche sempre più complesse.
- Le CNN sono ampiamente utilizzate in molte applicazioni di visione artificiale, come la classificazione delle immagini, la rilevazione di oggetti, la segmentazione e il riconoscimento facciale. Nonostante l’introduzione di nuove architetture come i Transformers, le CNN continuano a essere fondamentali nel campo del deep learning.
Tecnologie
Reti neurali convolutive, cosa sono, come applicarle all’analisi delle immagini
Nate negli anni ’90, sin dalla loro prima implementazione le CNN hanno dimostrato il loro enorme potenziale nell’analisi delle immagini. Insieme al miglioramento nell’ambito della pura classificazione, sono state più volte riadattate a scopi differenti. Cosa succede all’interno di un modello di analisi delle immagini?
R&D Artificial Intelligence Lead Key to Business
![reti neurali convolutive](https://img.ai4business.it/wp-content/uploads/2023/02/15235704/word-image-14755-2-e1676289452104.png)
Continua a leggere questo articolo
Argomenti
Canali