Uitgebreide Uitleg
CNNs zijn de ruggengraat van moderne computer vision. Ze zijn geïnspireerd op het visuele cortex van dieren en gebruiken "convolutionele lagen" die filters toepassen op afbeeldingen om features zoals randen, texturen en patronen te detecteren.
De kracht van CNNs zit in hun structuur: convolutionele lagen voor feature extraction, pooling lagen voor dimensionaliteitsreductie, en fully-connected lagen voor classificatie. Door deze lagen te stapelen leren ze hiërarchische representaties: eenvoudige features in vroege lagen, complexe objecten in latere lagen.
Belangrijke architecturen zijn LeNet (vroeg voorbeeld), AlexNet (breakthrough in 2012), VGG, ResNet (introduceerde residual connections), en recentere modellen zoals EfficientNet. CNNs zijn getraind op enorme datasets zoals ImageNet en bereiken superhuman prestaties op veel vision tasks.
Praktijkvoorbeeld
Nederlandse onderzoekers bij TU Delft gebruiken CNNs om scheurtjes in dijken te detecteren vanuit drone-beelden. Het model is getraind op duizenden voorbeelden en kan nu automatisch risicogebieden identificeren.
Veelgebruikte Zoektermen
Gerelateerde Termen
Computer Vision
Computer Vision
Het vakgebied dat computers leert om afbeeldingen en video's te begrijpen en analyseren.
Deep Learning
Deep Learning
Een vorm van machine learning die gebruik maakt van kunstmatige neurale netwerken met meerdere lagen.
Neurale Netwerken
Neural Networks
Computermodellen geïnspireerd op de structuur van het menselijk brein, bestaande uit onderling verbonden knooppunten.