Es gibt eine Reihe von Formen von Convolutional Neural Networks, zusammen mit konventionellen CNNs, rekurrenten Neural Networks, Total Convolutional Networks und Spatial Transformer Networks – unter anderem.
Herkömmliche CNNs
Herkömmliche CNNs, die oft als "Vanilla"-CNNs bekannt sind, umfassen eine Sammlung von Convolutional- und Pooled-Layern, die von einer Anzahl vollständig verwandter Layer übernommen werden. Wie bereits erwähnt, führt jede Faltungsebene in dieser Community eine Sammlung von Faltungen mit einer Reihe lernbarer Filter durch, um Optionen aus dem Eingabebild zu extrahieren.
Die Lenet-5-Struktur, eines von vielen ersten effizienten CNNs zur handschriftlichen Ziffernerkennung, ist ein Beispiel für ein herkömmliches CNN. Es hat zwei Einheiten von Faltungs- und Pooling-Schichten, die auf zwei vollständig verwandte Schichten folgen. Die Leistungsfähigkeit von CNNs bei der Bilderkennung wurde durch die Lenet-5-Struktur bestätigt, die sie auch in phantasievollen und vorausschauenden Aufgaben des PCs weit verbreitet gemacht hat.
Wiederkehrende neuronale Netze
Wiederkehrende neuronale Netze (RNNs) sind eine Art neuronaler Netze, die sequentielles Wissen durch Überwachung des Kontexts früherer Eingaben weitergeben können. Repetitive neuronale Netze können Eingaben unterschiedlicher Länge verarbeiten und abhängig von den früheren Eingaben Ausgaben erzeugen, im Gegensatz zu typischen Feedforward-Neuronalnetzwerken, die Informationen nur in einer festgelegten Reihenfolge eingeben.
Beispielsweise können RNNs in NLP-Aktionen verwendet werden, die der Ära des Textinhalts oder der Sprachübersetzung entsprechen. Eine rekurrente neuronale Gemeinschaft wird auf Satzpaare in zwei völlig unterschiedlichen Sprachen geschult, um das Übersetzen zwischen den beiden zu lernen.
Das RNN verarbeitet Daten nacheinander und erzeugt bei jedem Schritt ein Ausgabedokument, das sich auf das Eingabedokument und die frühere Ausgabe stützt. Das RNN kann auch für komplizierte Texte richtige Übersetzungen erstellen, da es frühere Eingaben und Ausgaben verfolgt.
Total gefaltete Netzwerke
Totally Convolutional Networks (FCNs) sind eine Art neuronale Gemeinschaftsstruktur, die im Allgemeinen für kreative und vorausschauende PC-Aufgaben verwendet wird, die der Bildsegmentierung, Objekterkennung und Bildklassifizierung entsprechen. FCNs werden ständig geschult, Backpropagation zu verwenden, um Fotos zu kategorisieren oder zu teilen.
Backpropagation ist ein Trainingsalgorithmus, der die Gradienten des Verlustbetriebs anhand der Gewichte einer neuronalen Gemeinschaft berechnet. Eine Maschine, die die Fähigkeit eines Mannequins untersucht, die erwartete Leistung für einen bestimmten Eintritt vorherzusagen, wird anhand eines Verlustbetriebs gemessen.
FCNs basieren größtenteils ausschließlich auf Faltungsschichten, da sie keine vollständig verwandten Schichten haben, was sie anpassungsfähiger und rechnerisch umweltfreundlicher macht als herkömmliche neuronale Faltungsnetze. Eine Community, die ein Eingabebild akzeptiert und die Platzierung und Klassifizierung von Objekten im gesamten Bild ausgibt, ist eine Instanz eines FCN.
Räumliche Transformer-Community
Eine Spatial Transformer Community (STN) wird in phantasievollen und vorausschauenden Aufgaben des PCs verwendet, um die räumliche Invarianz von Optionen zu verbessern, die von der Community entdeckt wurden. Die Flexibilität einer neuronalen Gemeinschaft, Muster oder Objekte in einem Bild unabhängig von ihrer geografischen Position, Ausrichtung oder Dimension zu erkennen, wird als räumliche Invarianz bezeichnet.
Eine Gemeinschaft, die eine entdeckte räumliche Transformation auf ein eingegebenes Bild vor einer zusätzlichen Verarbeitung anwendet, ist eine Instanz eines STN. Die Transformation kann sehr gut verwendet werden, um Objekte im gesamten Bild auszurichten, perspektivische Verzerrungen zu korrigieren oder verschiedene räumliche Modifikationen vorzunehmen, um die Effizienz der Community bei einem bestimmten Job zu verbessern.
Eine Änderung bezieht sich auf jede Operation, die ein Bild indirekt verändert, z. B. drehen, skalieren oder zuschneiden. Ausrichtung bezieht sich auf das Mittel, um sicherzustellen, dass Objekte in einem Bild in einer konstanten und signifikanten Annäherung zentriert, ausgerichtet oder positioniert werden.
Perspektivische Verzerrung tritt auf, wenn Objekte in einem Bild aufgrund des Winkels oder der Entfernung, aus der das Bild aufgenommen wurde, verzerrt oder verzerrt erscheinen. Unter Verwendung einer Reihe von mathematischen Transformationen des Bildes, die z. B. affinen Transformationen entsprechen, können zur rechten perspektivischen Verzerrung verwendet werden. Affine Transformationen schützen Parallelspuren und Abstandsverhältnisse zwischen Faktoren nach rechts für perspektivische Verzerrungen oder unterschiedliche räumliche Veränderungen in einem Bild.
Räumliche Modifikationen prüfen bei jeder Veränderung innerhalb des räumlichen Aufbaus eines Bildes, entsprechend z. B. Spiegeln, Drehen oder Verschieben des Bildes. Diese Modifikationen können das Coaching-Wissen erweitern oder besondere Herausforderungen innerhalb des Prozesses bewältigen, wie z. B. Beleuchtung, Unterscheidung oder Hintergrundvariationen.
