Uitleg
Convolutional Neural Networks (CNNs) zijn neurale netwerken speciaal ontworpen voor afbeeldingsverwerking. In plaats van fully-connected lagen gebruiken CNNs convolutional lagen met kleine filters die over afbeelden schuiven.
Elke filter leert om bepaalde features te detecteren (lijnen, texturen, vormen). Door lagen van filters gestapeld, leren hogere lagen complexere features (gezichten, objecten). Max-pooling lagen reduceren ruimtelijke dimensies terwijl belangrijke features behouden blijven.
CNNs zijn veel efficiënter dan fully-connected netwerken voor afbeeldingen. Ze hebben minder parameters (door gewicht-delen) en kunnen spatial relaties vastleggen. CNNs domineren computer vision taken. Bekende architecturen: LeNet, AlexNet, VGG, ResNet.
⚡ Voorbeelden
- •Image classification: CNN herkennen honden, katten, vogels etc in foto's
- •Object detection: YOLO en Faster R-CNN gebruiken CNNs om objecten te lokaliseren
- •Facial recognition: CNNs extraheren gezichts-features voor personen-identificatie