پردازش تصویر با استفاده از مدل شبکه‌های عصبی کانولوشن (cnn)

شبکه عصبی کانولوشن (cnn) نوعی شبکه عصبی مصنوعی می‌باشد که در تشخیص و پردازش تصویر استفاده می‌شود. شبکه عصبی سیستمی از سخت‌افزار و یا نرم‌افزار می‌باشد. که از عملکرد نورون‌ها در مغز انسان الگوبرداری شده است. لایه‌های cnn شامل یک لایه ورودی، یک لایه خروجی و یک لایه پنهان است. دستور کار در زمینه شبکه‌های عصبی کانولوشن این است که ماشین‌ها را قادر سازد تا جهان را مانند انسان‌ها ببینند، آن را به شیوه‌ای مشابه درک کنند و حتی از این دانش برای بسیاری از وظایف مشابه استفاده کنند. شبکه عصبی کانولوشن (cnn)، یک معماری شبکه برای یادگیری عمیق است که مستقیما از داده‌ها یاد می‌گیرد. شبکه‌های عصبی کانولوشنال زیر مجموعه‌ای از یادگیری ماشین هستند و در قلب الگوریتم‌های یادگیری عمیق قرار دارند. آن‌ها از لایه‌های گره تشکیل شده‌اند که شامل یک لایه ورودی، یک یا چند لایه پنهان و یک لایه خروجی است. در این مقاله ما مدلی را نشان می‌دهیم که می‌تواند تصویر را شناسایی و طبقه‌بندی کند. بعداً می‌توان آن را برای تشخیص شی، تشخیص کاراکتر و تشخیص شی در زمان واقعی گسترش داد.