Revolutional Networks (CNN) เป็นคลาสของรุ่นการเรียนรู้ลึก ซึ่งใช้สําหรับการประมวลผลข้อมูลภาพ โดยมีการออกแบบให้เรียนรู้การเพิ่มระดับเขตพื้นที่และปรับตัวได้โดยอัตโนมัติ

หลัก การ ของ CNN

แนวคิดหลักเบื้องหลัง CNN คือ การเลียนแบบระบบประมวลผลภาพของสมองมนุษย์ ใช้ชั้นของสารสังเคราะห์เพื่อตรวจจับองค์ประกอบภายในชั้นต่างๆ

การ คํานวณ ใน CNN

การ คํานวณ ใน CNNC เกี่ยวข้องกับ convolution ซึ่งคํานวณคุณสมบัติต่าง ๆ โดยการเลื่อนตัวกรองข้อมูลเข้าไป สูตรของปฏิบัติการ convolution คือ:

[FLT: 0] outlut= super of (input parts values) + Bas

การไล่ระดับชั้นของสระทํางานต่ํา โดยปกติจะใช้สระว่ายน้ําสูงสุดหรือเฉลี่ย เพื่อลดมิติพื้นที่ การปฏิบัติการเช่น ReLU แนะนําให้ใช้ความไม่เชิงเส้น ทําให้เครือข่ายสามารถเรียนรู้รูปแบบที่ซับซ้อนได้

โปรแกรม CNN

ความ สามารถ ของ พวก เขา ใน การ สกัด เอา ลักษณะ เฉพาะ ที่ เกี่ยว ข้อง โดย อัตโนมัติ ทํา ให้ งาน ที่ เกี่ยว ข้อง กับ ข้อมูล ทาง ภาพ นั้น บังเกิด ผล อย่าง มาก.

  • จัดเรียงภาพ
  • ตรวจพบวัตถุ
  • การจดจําใบหน้า
  • การวิเคราะห์ภาพถ่ายทางการแพทย์