SILICIO E NUVOLE

Reti neurali convoluzionali (CNN) 1. Visione artificiale e architetture CNN Le CNN sono alla base della visione artificiale, permettendo al modello di “vedere” e interpretare immagini. Concetti chiave: Convoluzione: filtri che estraggono caratteristiche locali dall’immagine Pooling: riduce le dimensioni mantenendo le informazioni principali (max pooling, average pooling) Architetture famose: LeNet, VGG, ResNet 2. Interpretazione e visualizzazione dei filtri Visualizzare i filtri e le mappe di attivazione aiuta a capire cosa impara la rete: - Individuare pattern e feature rilevanti - Diagnostica del modello in caso di errori 3. Compiti principali delle CNN Classificazione: assegnare etichette a intere immagini Segmentazione: identificare ogni pixel con la sua categoria Object Detection: localizzare oggetti e classificarli all’interno dell’immagine 4. Lab pratico Applicazione concreta: Riconoscimento di immagini su dataset MNIST ...