Définition - Que signifie le réseau neuronal déconvolutionnel (DNN)?
Un réseau neuronal déconvolutionnel est un réseau neuronal qui exécute un modèle de convolution inverse. Certains experts se réfèrent au travail d'un réseau neuronal déconvolutionnel comme la construction de couches à partir d'une image dans une direction ascendante, tandis que d'autres décrivent les modèles déconvolutionnels comme une «ingénierie inverse» des paramètres d'entrée d'un modèle de réseau neuronal convolutif.
Les réseaux de neurones déconvolutionnels sont également connus sous le nom de réseaux déconvolutionnels, de déconvolution ou de réseaux de neurones convolutifs transposés.
Definir Tech explique le réseau neuronal déconvolutionnel (DNN)
Les réseaux de neurones déconvolutionnels peuvent être décrits de différentes manières. Beaucoup de ces outils utilisent les mêmes types de filtres que les réseaux de neurones convolutifs, mais les utilisent différemment. Les professionnels utilisent des idées telles que la rétropropagation et le filtrage inversé ainsi que des techniques telles que la foulée et le rembourrage pour créer des modèles convolutifs transposés.
Dans un sens très simpliste, on pourrait dire que les professionnels pourraient «faire fonctionner un CNN à l'envers», mais la mécanique réelle des réseaux de neurones déconvolutionnels est beaucoup plus sophistiquée que cela. Une autre partie des réseaux de neurones convolutifs et déconvolutionnels consiste à créer une hiérarchie - par exemple, un modèle de réseau initial pourrait faire l'apprentissage principal et un autre modèle pourrait segmenter visuellement l'image cible. Généralement, le DNN consiste à mapper des matrices de valeurs de pixels et à exécuter un «sélecteur de caractéristiques» ou un autre outil sur une image. Tout cela sert à former des programmes d'apprentissage automatique, en particulier dans le traitement d'image et la vision par ordinateur.