Definición: ¿Qué significa Red neuronal deconvolucional (DNN)?
Una red neuronal deconvolucional es una red neuronal que realiza un modelo de convolución inversa. Algunos expertos se refieren al trabajo de una red neuronal deconvolucional como la construcción de capas a partir de una imagen en una dirección ascendente, mientras que otros describen los modelos deconvolucionales como "ingeniería inversa" de los parámetros de entrada de un modelo de red neuronal convolucional.
Las redes neuronales deconvolucionales también se conocen como redes deconvolucionales, deconv o redes neuronales convolucionales transpuestas.
Techinfo explica la red neuronal deconvolucional (DNN)
Las redes neuronales deconvolucionales se pueden describir de muchas formas diferentes. Muchas de estas herramientas usan los mismos tipos de filtros que las redes neuronales convolucionales, pero los usan de manera diferente. Los profesionales utilizan ideas como la propagación hacia atrás y el filtrado inverso junto con técnicas como caminar y acolchar para construir modelos convolucionales transpuestos.
En un sentido muy simplista, se podría decir que los profesionales podrían "ejecutar una CNN al revés", pero la mecánica real de las redes neuronales deconvolucionales es mucho más sofisticada que eso. Otra parte de las redes neuronales convolucionales y deconvolucionales implica la creación de una jerarquía; por ejemplo, un modelo de red inicial podría realizar el aprendizaje principal y otro modelo podría segmentar visualmente la imagen objetivo. Generalmente, el DNN implica mapear matrices de valores de píxeles y ejecutar un "selector de características" u otra herramienta sobre una imagen. Todo esto sirve para entrenar programas de aprendizaje automático, particularmente en procesamiento de imágenes y visión por computadora.