складність 3/5
Convolutional neural network
Стек, у якому чергуються згортка та зменшення роздільності, так що ознаки зростають від країв до об’єктів, доки сітка стискається — архітектура, яка зробила моделі зображень здійсненними.
Інтуїція
Згорткова мережа — це не одна ідея, це одна ідея, повторена багато разів: поглянути на невелику околицю, узагальнити, зменшити, поглянути знову. Зі зростанням рівня змінюється те, що містить «невелика околиця». Унизу це пікселі, тож шар може знайти лише краї. На два блоки вище це околиця детекторів країв, тож шар може знайти кути й текстури. Ще вище — це околиця вже цих: за D2L, найнижчі шари «можуть навчитися виявляти краї, кольори й текстури», а вищі — частини, а тоді й цілі об’єкти [1, §8.1.1].
Ніщо в архітектурі не каже «спочатку вивчи краї». Ієрархія випливає з того, що кожен шар бачить лише шар під собою, а той шар уже зменшено.
Друга половина задуму — це економіка. Згорткове апріорне припущення — однакові ваги всюди, погляд лише локально — саме воно робить модель зображення взагалі доступною, і наведений нижче практичний приклад дає цьому число.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- Dive into Deep Learningbook · звірено 2026-09-05https://d2l.ai/
- Deep Residual Learning for Image Recognition (2015)paperhttps://arxiv.org/abs/1512.03385
- Deep Learningbookhttps://www.deeplearningbook.org/contents/convnets.html