CNN은다음세가지중요한요인으로인해딥러닝에서널리사용됩니다。
- CNN은은수동특징추출의필요성을제거특징은cnn에의해직접됩니다됩니다。
- CNN은은고도로정확한인식결과를생성
- CNN은은새로운인식작업을위해다시훈련시킬수있으므로신경망을활용활용할수
CNN은영상및시계열시계열이터에서에서주요특징을찾아학습하기위한최적의아키텍처제공제공CNN은다음과같은응용분야에서핵심사용됩니다。
- 의료영상：CNN은수천건의병리학를검토하여영상에서세포의유무시각적적검출
- 오디오처리：마이크가있는모든기기에서키워드검출사용하여하여특정단어나（'嘿Siri！'）가발화되었을때이를검출할수있습니다。CNN은은키워드를정확하게학습하여어떤환경에서다른모든문구는무시하고하고검출할수수수모든할할수수할할할수
- 정지신호검출：자율주행에서는표지판이나다른객체객체의존재여부를정확하게검출하고출력을바탕결정을내리는데데데을을을을을을을을을
- 합성데이터생성：GaN（생성적적대신경망）을사용하여얼굴인식및자율주행을비롯한딥러닝응용분야에서사용할새로운영상을생성할수있습니다。
자세히알아보기
卷积神经网络은수십또는수백개의을가질수수，각계층은영상의서로다른검출합니다。각훈련영상에서로다른의필터필터가적용되고，컨벌루션된각영상은다음의입력사용됩니다。필터는밝기，경계와같이매우간단한특징으로시작하여객체를고유하게정의하는특징으로복잡도를늘려갈수있습니다。
특징학습,계층및분류
CNN은다른신경망과신경망과가지로계층，출력계층，그리고그사이의여러은닉계층구성됩니다。
이러한계층은해당데이터의고유고유한특징을학습의도로로데터터변경시키는연산을을수행가장일반적적3가지계층계층으로컨벌루션，활성활성또는relu계층，풀링계층을들수。
- 컨벌루션계층은은입력영상을을일련의필터에통과통과컨벌루션필터에통과각각필터는영상영상에서특정을활성화화특징을활성화
- ReLU(修正线性单元)계층이이이이합니다합니다훈련더하고은값은매핑매핑하고값값훈련더더효과값훈련훈련훈련훈련합니다훈련에이때활성활성화된특징만다음계층으로전달이되므로활성화라고도합니다。
- 풀링계층신경망비선형다운샘을하여신경망이학습해야하는파라미터의개수를으로써출력출력단순화합니다화화
이러한연산이수십또는수백개의계층에대해반복되며,각계층은서로다른특징을식별하도록학습합니다。
여러컨벌루션계층이있는신경망의예。각훈련영상에서로다른의필터필터가적용되고，컨벌루션된각영상은다음의입력사용됩니다。
공유가중치및및
CNN은전통적인신경망과마찬가지로가중치와편향이있는뉴런을갖습니다。모델은훈련과정에서이러한값을학습하고,새로운훈련표본이입력될때마다매번이러한값을지속적으로업데이트합니다。그러나의CNN경우에는주어진계층의모든은닉뉴런에대해가중치및편향값이모두같습니다。
이는모든은닉뉴런이영상의서로다른영역에있는동일한특징(경계나블롭등)을검출함을의미합니다。따라서신경망은영상에있는객체의평행이동을허용합니다。예를들어,자동차를인식하도록훈련된신경망은자동차가영상의어느곳에있어도인식할수있습니다。
분류계층
CNN아키텍처아키텍처는여러계층에있는특징을학습한후계층으로
마지막에서두번째계층은K차원의벡터를출력하는완전연결계층입니다。K는여기서신경망이예측할수있는클래스의개수입니다。이벡터는분류대상영상의각클래스에대한확률을포함합니다。
CNN아키텍처아키텍처의마지막마지막은소프트맥스와같은분류계층을을하여하여분류출력제공제공
디자딥러닝을대화형방식구축，시각화및편집하는심층신경망이너。
앱앱에서직접신경망을훈련시키고，손실，검증메트릭플롯을사용훈련훈련을모니터링모니터링할수도수도
전이학습학습사전훈련된사용하기
전이학습을통해사전훈련된신경망신경망을을것이처음부터훈련시키는것보다는적으로훨씬더빠르고빠르고는일반전이학습에는최소한의데이터와와연산가사용용전이학습은한가지유형의문제로부터된지식사용하여하여비슷한문제를해결해결사용자는사전훈련된신경망에서시작이를를작업을학습하는사용할수있습니다。전이학습의이점사전사전훈련된이수많은특징을이미을미데데데데데데데데이러한특징은다양한기타사한작업작업에할수있습니다。예를들어，수백만개의영상에서훈련신경망가져와서수백의영상만사용하여새로운객체검출을위해다시시킬수
GPU를사용한하드웨어가속
卷积神经网络은수백수,천,나아가수백만개의영상에대해훈련됩니다。다량의데이터와복잡한신경망아키텍처로작업할때GPU를사용하면모델을훈련시키는데소요되는처리시간을크게줄일수있습니다。
딥러닝과같은계산집약적인작업을가속화하는NVIDIA®GPU。
자세히알아보기
CNN을사용하는하는응용
객체검출
객체검출은영상과비디오에서객체를찾고분류하는과정입니다。计算机Vision Toolbox™는yolo및更快的r-cnn을사용하여딥러닝딥러닝객체객체검출기를생성훈련프레임워크를제공
이예제에서는딥러닝과r-cnn（带卷积神经网络的地区）을사용하여객체검출기를훈련방법을다룹니다。
키워드검출
음성 - 텍스트변환의한가지응용분야로키워드검출들수있습니다。키워드검출은특정키워드또는를인식에이를지시어로사용할할수。널리사용되는되는예로기기기기와조명켜기를를수수수
이예제에서는matlab을사용하여하여오디오에서음성의존재여부를식별하고하는방법을보여보여이는음성음성보조기술기술사용할할수。
의미론적분할
CNN은의미론적분할에서사용되어영상의각픽셀을식별하고이에대응하는클래스레이블을부여합니다。의미론적분할은자율주행,산업검사,지형분류,의료영상과같은응용분야에서사용될수있습니다。卷积神经网络은의미론적분할신경망을구축하기위한기반이됩니다。
이예제에서는matlab을사용하여영상의각을식별에이에대응하는레이블을부여하는의미론적분할신경망구축하는방법을보여
MATLAB은은딥러닝과관련된모든작업을수행하기위한기능을제공제공제공기능을제공제공CNN을사용하여신호，컴퓨터컴퓨터，통신및레이더의분야의워크플로를개선수수수수수
CNN에대해더자세히알아보기
영상분석에cnn을사용할할수있도록있도록하는제품马铃薯那计算机Vision Toolbox™那统计和机器学习工具箱™와深度学习工具箱가있습니다。
卷积神经网络을사용하려면深度学习工具箱가필요필요。훈련및예측은은®지원GPU（Compute Capability 3.0이상）에서에서지원。GPU를사용하는것이적극권장되며，이를위해서는并行计算工具箱™가필요필요。
비디오
예제및방법
소프트웨어참조
30일무료평가판
관련문의
你也可以从以下列表中选择一个网站: