Konvolutionelle Neuronale Netze (CNNs) im Deep Learning entmystifiziert

Meine Erfahrungen mit Deep-Learning-Modellen zu durchdenken, war lohnend. Vom Lesen roher Pixel bis zur Stromversorgung von selbstfahrenden Autos bleiben CNNs der Eckpfeiler der modernen visuellen Wahrnehmung. Dieser Artikel beleuchtet, wie sie funktionieren, warum sie wichtig sind und wohin sie sich entwickeln. Warum Faltung? Faltung ist im Grunde eine Methode, zwei Funktionen (oder zwei Zahlenreihen) zu „mischen“, sodass die eine als Filter über die andere wirkt. Sie misst, wie stark sich die beiden überlappen, während sich eine über die andere schiebt (verschiebt). Aufgrund dieses Schiebe-und-Multiplizier-Verhaltens extrahiert die Faltung lokale Muster und erzeugt ein neues Signal oder Bild, in dem diese Muster hervorgehoben oder unterdrückt werden.