فایل کامل و عالی ترجمه مقاله درک شبکه عصبی کانولوشن (CNN)- یادگیری عمیق

توجه : این پروژه فقط به صورت فایل (با پسوند) zip ارائه میگردد
تعداد صفحات فایل : ۱۰

Understanding of Convolutional Neural Network (CNN) — Deep Learning In neural networks, Convolutional neural network (ConvNets or CNNs) is one of the main categories to do images recognition, images classifications. Objects detections, recognition faces etc., are some of the areas where CNNs are widely used. CNN image classifications takes an input image, process it and classify it under certain categories (Eg., Dog, Cat, Tiger, Lion). Computers sees an input image as array of pixels and it depends on the image resolution. Based on the image resolution, it will see h x w x d( h = Height, w = Width, d = Dimension ). Eg., An image of 6 x 6 x 3 array of matrix of RGB (3 refers to RGB values) and an image of 4 x 4 x 1 array of matrix of grayscale image.

ترجمه قسمتی از ابتدای مقاله:

درک شبکه عصبی کانولوشن (CNN)- یادگیری عمیق

در شبکه های عصبی، شبکه عصبی کانولوشن (ConvNETها یا CNNها) یکی از دسته های اصلی برای انجام شناسایی تصویر و طبقه بندی تصاویر است. تشخیص اشیا، شناسایی چهره و غیره برخی از نواحی هستند که در آن نواحی، CNNها به شدت مورد استفاده قرار می گیرند.

دسته بندی های تصویر CNN، یک تصویر ورودی را در نظر می‌گیرد، آن را پردازش می‌کند و تحت طبقه بندی های خاص ( Eg، Dog، Cat، Tiger,Lion) دسته بندی می‌کند. کامپیوترها، یک تصویر ورودی را به صورت آرایه ای از پیکسل ها مشاهده می کنند و این آرایه به رزولوشن تصویر بستگی دارد. براساس رزولوشن تصویر، h*w*d (h= ارتفاع، w= عرض، d= بعد) مشاهده خواهد شد. Eg.، یک تصویر با آرایه ۶*۶*۳ از ماتریس RGB (3 به مقادیر RGB اشاره می کند) و یک تصویر با آرایه ۴*۴*۱ از ماتریس با تصویر گری­اکسیل خواهد بود.