प्रौद्योगिकी साझेदारी

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

चतुर्थपाठ्यक्रमस्य प्रथमसप्ताहः Convolutional Neural Networks इति

१.१ सङ्गणकदृष्टौ (Computer vision) सम्मुखीकृताः समस्याः १.

सङ्गणकदृष्टिः प्रयोक्तुं एकं आव्हानं अस्तिdata inputअतीव विशालं भवितुम् अर्हति ।

• ६४×६४ लघुचित्रस्य आँकडा आकारः ६४×६४×३ (३ वर्णचैनल) भवति ।अतः अस्माकं eigenvector$x$आयामः १२२८८ अस्ति ।
• १०००×१००० चित्रस्य कृते विशेषतासदिशस्य आयामः १०००×१०००×३ यावत् भवति ।
• यदि प्रथमे गुप्तस्तरस्य १००० गुप्त-एककाः सन्ति, सर्वे भाराः च एकं आकृतिं निर्मान्ति ${व}^{[1]}$ . मानकपूर्णतया सम्बद्धस्य जालस्य अन्तर्गतस्य अस्य आकृतिस्य आकारः १०००×३ मिलियन भवति । एतत् कर्तुं अस्माभिः एकं convolution calculation करणीयम्,

१.२ कन्वोल्यूशन ऑपरेशन उदाहरणम् : एज डिटेक्शन उदाहरणम्

कन्वोल्यूशन ऑपरेशन कन्वोल्यूशनल न्यूरल नेटवर्क् इत्यस्य सर्वाधिकं मूलभूतं घटकं भवति एज डिटेक्शन् इत्यस्य उपयोगः परिचयात्मकोदाहरणरूपेण भवति ।

१.२.१ धारपरिचयस्य सोपानानि

इमेज ऑब्जेक्ट्स् इत्यस्य अन्वेषणकाले वयं इमेज् इत्यस्मिन् लम्बवत् एज्स् इत्यस्य अन्वेषणं कर्तुं शक्नुमः ।

६×६ ग्रेस्केल इमेज गृह्यताम् । ग्रेस्केलप्रतिबिम्बत्वात् ६×६×१ आकृतिः,

• चित्रे ऊर्ध्वाधरधाराः ज्ञातुं भवान् 3x3 मैट्रिक्स (filter/kernel) निर्मातुम् अर्हति । [ १ ० − १ १ ० − १ १ ० − १ ] आरम्भ{bmatrix}१
  पूर्वतनम्‌ अग्रिम