Een Convolutional Neural Network (CNN) is een type deep learning-algoritme dat is ontworpen voor het verwerken van gestructureerde rastergegevens, zoals afbeeldingen. Het bestaat uit meerdere lagen, waaronder convolutionele lagen, poollagen en volledig verbonden lagen, die samenwerken om automatisch en adaptief ruimtelijke hiërarchieën van kenmerken uit invoergegevens te leren.
CNN’s worden voornamelijk gebruikt voor beeld- en videoherkenning, classificatie en verwerking. Ze zijn effectief bij deze taken omdat ze automatisch belangrijke kenmerken kunnen detecteren zonder handmatige extractie van kenmerken. Dit maakt CNN’s waardevol voor toepassingen zoals objectdetectie, gezichtsherkenning en medische beeldanalyse.
Ja, CNN staat voor Convolutional Neural Network. Het is genoemd naar de convolutiebewerking die een kerncomponent is van de architectuur, die helpt bij het extraheren van functies uit invoergegevens via een reeks transformaties.
In een CNN is een convolutie een bewerking waarbij een filter (of kernel) wordt toegepast op een invoerdatamatrix (zoals een afbeelding) om een feature map te produceren. Dit proces omvat het schuiven van het filter over de invoer en het berekenen van het puntproduct tussen het filter en delen van de invoergegevens. Convoluties helpen bij het vastleggen van lokale patronen en ruimtelijke hiërarchieën in de gegevens.
Een CNN werkt stap voor stap als volgt: eerst wordt het invoerbeeld door een reeks convolutionele lagen geleid waar filters kenmerken extraheren. Vervolgens verkleinen poolinglagen de ruimtelijke dimensies van de kenmerkkaarten, waarbij belangrijke kenmerken behouden blijven en de rekencomplexiteit wordt verminderd. Dit proces van convolutie en pooling kan meerdere keren worden herhaald. Ten slotte worden de uitvoerfunctiekaarten afgevlakt en door volledig verbonden lagen gevoerd om de uiteindelijke classificatie of voorspelling te produceren.