Изображения имеют структуру. Соседние пиксели связаны друг с другом, и узоры повторяются по всему кадру. Сверточные нейронные сети используют это, перемещая небольшие фильтры по входному изображению, разделяя веса и обнаруживая локальные особенности везде, где они появляются.

Типичная архитектура включает в себя сверточные слои, функции активации и пулинг. Ранние слои обнаруживают границы и текстуры. Более глубокие слои объединяют их в части и объекты. Финальный классификатор сопоставляет изученные признаки с метками.

Ключевые строительные блоки

• Сверточные фильтры с обучаемыми весами
• Объединение данных для уменьшения пространственных измерений.
• Шаг и отступы для регулирования размера выходных данных
• Полносвязные слои для классификации

Сверточные нейронные сети (CNN) доминировали в области компьютерного зрения в течение десятилетия, начиная с AlexNet в 2012 году. Сейчас трансформеры в компьютерном зрении конкурируют по многим показателям, но CNN остаются эффективными и широко используются во встроенных и мобильных системах.