Сверточные сети были вдохновлены биологическими процессами, в которых модель связи между нейронами вдохновлена организацией зрительной коры животных. Отдельные корковые нейроны реагируют на раздражители только в ограниченной области поля зрения, известной как рецептивное поле.
Рецептивные поля разных нейронов частично перекрываются, так что покрывают все поле зрения. Я построил эту сеть, используя только Numpy, и она имеет несколько слоев, что делает ее глубокой. Я подключил модель к приложению Django и использовал JavaScript для захвата входных данных, чтобы ее можно было использовать в качестве веб-приложения. Посмотреть демо здесь. Я предварительно обучил модель, чтобы сэкономить время.
Сверточные нейронные сети — это странная комбинация биологии и математики вместе с CS, и эти сети стали одними из самых захватывающих инноваций в области компьютерного зрения. Многие крупные компании используют глубокое обучение (также известное как глубокая нейронная сеть) в основе своих сервисов.
Facebook использует нейронные сети для своих алгоритмов автоматической пометки, Google — для поиска фотографий, Amazon — для рекомендаций по продуктам, Pinterest — для персонализация их домашней ленты и Instagram для их поисковой инфраструктуры. Эти сети также обеспечивают зрение в робототехнике и автомобилях без водителя.
Чтобы понять сверточные нейронные сети (CNN), вы должны сначала понять свертки. Википедия дает хорошее математическое определение здесь
Код этого проекта находится на Github здесь
