Definição – O que significa Rede Neural Deconvolucional (DNN)?
Uma rede neural deconvolucional é uma rede neural que executa um modelo de convolução inversa. Alguns especialistas referem-se ao trabalho de uma rede neural deconvolucional como a construção de camadas a partir de uma imagem em uma direção ascendente, enquanto outros descrevem os modelos deconvolucionais como “engenharia reversa” dos parâmetros de entrada de um modelo de rede neural convolucional.
Redes neurais deconvolucionais também são conhecidas como redes deconvolucionais, deconvs ou redes neurais convolucionais transpostas.
Definirtec explica Rede Neural Deconvolucional (DNN)
Redes neurais desconvolucionais podem ser descritas de muitas maneiras diferentes. Muitas dessas ferramentas usam os mesmos tipos de filtros que as redes neurais convolucionais, mas os usam de maneira diferente. Os profissionais utilizam ideias como retropropagação e filtragem reversa, juntamente com técnicas como striding e padding para construir modelos convolucionais transpostos.
Em um sentido muito simplista, pode-se dizer que os profissionais podem “rodar uma CNN para trás”, mas a mecânica real das redes neurais desconvolucionais é muito mais sofisticada do que isso. Outra parte das redes neurais convolucionais e deconvolucionais envolve a criação de uma hierarquia – por exemplo, um modelo de rede inicial pode fazer o aprendizado primário e outro modelo pode segmentar visualmente a imagem alvo. Geralmente, o DNN envolve o mapeamento de matrizes de valores de pixel e a execução de um “seletor de recursos” ou outra ferramenta sobre uma imagem. Tudo isso serve para treinar programas de aprendizado de máquina, principalmente em processamento de imagens e visão computacional.