Konvolucijska neuronska mreža (CNN) arhitektura je neuronske mreže osobito prikladna za slikovne podatke. Ulaz pretražuje malim filtrima, pri čemu u prvim slojevima otkriva jednostavna obilježja poput rubova, a u dubljima složenije oblike. CNN-ovi su godinama oblikovali prepoznavanje slika i koriste se, primjerice, za uočavanje nedostataka na fotografijama proizvoda ili u analizi medicinskih slika.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoDuboko učenje je grana strojnog učenja koja koristi umjetne neuronske mreže s mnogo slojeva. Takve mreže iz velikih količina podataka uče koja su obilježja važna – od rubova na slikama do odnosa značenja u tekstovima. Duboko učenje temelj je današnjih jezičnih modela, prepoznavanja slika i govora te strojnog prevođenja, a obično zahtijeva znatnu računalnu snagu i podatke za treniranje.
Računalni vid područje je UI-ja u kojem računala interpretiraju slike i video. Tipični zadaci uključuju otkrivanje i lociranje objekata, čitanje teksta na slikama i mjerenje komponenti. Tehnologija se koristi, primjerice, u kontroli kvalitete u proizvodnji, u sustavima za pomoć vozaču, u logistici i u medicinskom snimanju.
Prepoznavanje slika područje je računalnog vida u kojem softver prepoznaje što slika prikazuje – objekte, osobe, tekst, logotipe ili prizore. Obično se temelji na neuronskim mrežama naučenima na velikom broju označenih slika. Primjene sežu od kontrole kvalitete u proizvodnji i razvrstavanja fotografija proizvoda do podrške medicinskom snimanju. Kod slika ljudi posebnu pozornost zahtijevaju zaštita podataka i moguća pristranost.
Umjetne neuronske mreže (ANN) računski su modeli sastavljeni od mnogo povezanih jedinica („neurona”) raspoređenih u slojeve koji obrađuju unose putem ponderiranih veza. Tijekom treniranja težine se korak po korak prilagođavaju na primjerima, obično povratnim širenjem pogreške (backpropagation). ANN-ovi su temelj dubokog učenja i pokreću prepoznavanje slika i govora te velike jezične modele. Unatoč biološkoj inspiraciji, rade znatno jednostavnije od ljudskog mozga.
