Det finnes en rekke former for konvolusjonelle nevrale nettverk, sammen med konvensjonelle CNN-er, tilbakevendende nevrale nettverk, totalt konvolusjonelle nettverk og romlige transformatornettverk - blant andre.
Konvensjonelle CNN-er
Konvensjonelle CNN-er, ofte kjent som "vanilje" CNN-er, omfatter en samling av konvolusjonelle og sammenslåtte lag, adoptert av en rekke totalt relaterte lag. Som nevnt tidligere, utfører hvert konvolusjonslag i dette fellesskapet en samling konvolusjoner med et sett med filtre som kan læres for å trekke ut alternativer fra inn-bildet.
Lenet-5-strukturen, en av mange første effektive CNN-er for håndskrevet siffergjenkjenning, eksemplifiserer en konvensjonell CNN. Den har to enheter med konvolusjon og sammenslåingslag som følger to helt relaterte lag. Effektiviteten til CNN-er i bildegjenkjenning har blitt bekreftet av Lenet-5-strukturen, som i tillegg har gjort dem ekstra bredt brukt i pc-fantasifulle og forutseende oppgaver.
Tilbakevendende nevrale nettverk
Tilbakevendende nevrale nettverk (RNN) er en slags nevrale nettverk som kan forløpe av sekvensiell kunnskap ved å overvåke konteksten til tidligere innganger. Repeterende nevrale nettverk kan forløpe av innganger av forskjellige lengder og produsere utganger avhengig av de tidligere inngangene, i motsetning til typiske feedforward nevrale nettverk, som bare forløper inn kunnskap i en bestemt rekkefølge.
For eksempel kan RNN-er brukes i NLP-handlinger som tilsvarer tekstlig innholdsæra eller språkoversettelse. Et tilbakevendende nevralt samfunn vil være dyktig på setningspar på to helt forskjellige språk som skal læres å oversette mellom de to.
RNN behandler data etter hverandre og produserer ved hvert trinn et utdatadokument basert på inndatadokumentet og det tidligere utdataene. RNN kan produsere riktige oversettelser selv for kompliserte tekster som et resultat av at den sporer tidligere innganger og utganger.
Helt foldede nettverk
Totally Convolutional Networks (FCNs) er en slags nevrale fellesskapsstrukturer som vanligvis brukes i pc-fantasifulle og forutseende oppgaver som tilsvarer bildesegmentering, objektdeteksjon og bildeklassifisering. FCN-er vil hele tiden være dyktige ved å bruke backpropagation for å kategorisere eller dele bilder.
Backpropagation er en coaching-algoritme som beregner gradientene til tapet ved hjelp av vektene til et nevralt samfunn. En maskin som studerer utstillingsdukkens evne til å forutsi den forventede utgangen for en gitt inngang, måles ved en tapsoperasjon.
FCN-er er hovedsakelig basert på konvolusjonslag, da de ikke har helt relaterte lag, noe som gjør dem ekstra tilpasningsdyktige og beregningsmessig miljøvennlige enn konvensjonelle konvolusjonelle nevrale nettverk. Et fellesskap som godtar et inn-bilde og sender ut plassering og klassifisering av objekter gjennom hele bildet, er en forekomst av en FCN.
Romlig transformatorsamfunn
Et Spatial Transformer Community (STN) brukes i pc-fantasifulle og forutseende oppgaver for å øke den romlige invariansen av alternativer oppdaget fra fellesskapet. Fleksibiliteten til et nevralt samfunn til å anerkjenne mønstre eller objekter i et bilde uansett geografisk plassering, orientering eller dimensjon er kjent som romlig invarians.
Et fellesskap som bruker en oppdaget romlig transformasjon på et inngående bilde tidligere enn ytterligere behandling, er en forekomst av en STN. Transformasjonen kan godt brukes til å justere objekter gjennom hele bildet, rette perspektivforvrengninger eller gjøre forskjellige romlige modifikasjoner for å forbedre fellesskapets effektivitet på en bestemt jobb.
En endring refererer til enhver operasjon som endrer et bilde indirekte, tilsvarende B. rotere, skalere eller beskjære. Justering refererer tilbake til måten å garantere at objekter i et bilde er sentrert, justert eller plassert i en konstant og signifikant tilnærming.
Perspektivforvrengning skjer når objekter i et bilde virker forvridd eller forvrengt på grunn av vinkelen eller avstanden bildet ble tatt fra. Ved å gjøre bruk av en rekke matematiske transformasjoner til bildet, tilsvarende B. kan affine transformasjoner benyttes til rett perspektivforvrengning. Affine transformasjoner beskytter parallelle spor og avstandsforhold mellom faktorer til høyre for perspektivforvrengninger eller forskjellige romlige modifikasjoner i et bilde.
Romlige modifikasjoner kontrollerer med enhver endring i den romlige konstruksjonen av et bilde, tilsvarende B. Vende, rotere eller forskyve bildet. Disse modifikasjonene kan øke coachingkunnskapen eller håndtere spesielle utfordringer i prosessen, tilsvarende: B. lyssetting, distinksjon eller bakgrunnsvariasjoner.
