Qu'est-ce qu'un réseau neuronal déconvolutionnel (DNN)? - définition de techopedia

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 qualifient le travail d'un réseau neuronal déconvolutionnel de construction de couches à partir d'une image dans une direction ascendante, tandis que d'autres décrivent les modèles déconvolutionnaires comme une «ingénierie inverse» des paramètres d'entrée d'un modèle de réseau neuronal convolutionnel.

Les réseaux de neurones déconvolutionnels sont également connus sous le nom de réseaux de déconvolution, déconvs ou réseaux de neurones convolutifs transposés.

Techopedia explique le réseau neuronal déconvolutionnel (DNN)

Les réseaux neuronaux déconvolutionnels peuvent être décrits de nombreuses façons différentes. 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 inverse 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 «exécuter un CNN à l'envers», mais la mécanique réelle des réseaux neuronaux déconvolutionnels est beaucoup plus sophistiquée que cela. Une autre partie des réseaux de neurones convolutionnels et déconvolutionnels implique la création d'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 implique de mapper des matrices de valeurs de pixels et d'exécuter un «sélecteur de fonctionnalités» ou un autre outil sur une image. Tout cela sert à la formation de programmes d'apprentissage automatique, en particulier dans le traitement d'image et la vision par ordinateur.