Le reti neurali convoluzionali (CNN) sono un tipo di rete neurale artificiale (ANN) ampiamente utilizzata nel campo del deep learning. Questo tipo di rete ha molte applicazioni nell'analisi di immagini e video, nell'elaborazione del linguaggio naturale e in molte altre aree. Le CNN si basano sul concetto di convoluzione, che è un'operazione matematica che combina due segnali. L'operazione di convoluzione consente alla rete di identificare alcune caratteristiche dei dati di input, rendendola adatta per attività quali la classificazione delle immagini, il rilevamento di oggetti, la segmentazione e la classificazione dei suoni.
Una CNN è tipicamente costituita da uno strato di input, diversi strati convoluzionali, uno o più strati completamente connessi e uno strato di output. Il livello di input accetta un vettore di input, che è una rappresentazione di un'immagine o di altri dati. Gli strati convoluzionali applicano un'operazione di convoluzione sul vettore di input per estrarne determinate caratteristiche. I livelli completamente connessi combinano quindi queste funzionalità estratte prima di passarle al livello di output, che produce l'output desiderato.
In genere, una CNN viene addestrata utilizzando una varietà di tecniche di apprendimento supervisionato, come la backpropagation o algoritmi di apprendimento supervisionato. Durante l'addestramento, i pesi della CNN vengono adeguati in modo da ridurre al minimo la metrica dell'errore per il compito assegnato.
Le CNN sono ampiamente utilizzate in molte applicazioni, come la classificazione delle immagini, il rilevamento di oggetti, la segmentazione semantica e l'elaborazione del linguaggio naturale. Le CNN sono state utilizzate anche in un'ampia varietà di applicazioni nella visione artificiale e nell'elaborazione del linguaggio naturale. Sono stati utilizzati per attività come il riconoscimento facciale, il rilevamento di oggetti, la classificazione delle immagini, la navigazione autonoma e la guida autonoma.
Negli ultimi anni, le CNN sono diventate più potenti grazie ai progressi nella potenza di calcolo. Ora sono in grado di riconoscere modelli altamente complessi e di eseguire compiti come il riconoscimento visivo e il ragionamento. Questi miglioramenti hanno anche consentito l’uso delle CNN in applicazioni come il riconoscimento facciale e la navigazione autonoma.
