畳み込みニューラルネットワーク(CNN,または事先)は深層学習に不可欠なツールであり,特にイメージの分類,オブジェクトの検出および認識タスクに役立ちます。CNNは相互接続された一連の層として実装されます。これらの層は,畳み込み層,ReLU(正規化線形ユニット)およびプーリング層のブロックの繰り返しで構成されています。畳み込み層では,一連のフィルターを使用して入力の畳み込みが行われます。フィルターは,ネットワークの学習中に自動的に学習されています。ReLU層は,ネットワークに非線形性を追加します。これにより,ネットワークでイメージピクセルとイメージのセマンティクスコンテンツの間での非線形マッピングの近似が可能になります。プーリング層は入力をダウンサンプリングして,局所的なイメージ特徴の統合を促進します

畳み込みニューラルネットワークには深度学习工具箱™が必要です。学習と予測は以3.0计算能力上のCUDA^®対応GPUでサポートされます。GPUを使用することが推奨され,これには并行计算工具箱™が必要になります

CNNアーキテクチャを構築し,セマンティックセグメンテーションを使用してネットワークを学習させ,学習済みのネットワークを使用してクラスラベルを予測したり,オブジェクトを検出したりできます。また,事前学習済みのネットワークから特徴を抽出し,これらの特徴を使用して分類器を学習させることもできます。さらに,転移学習を実行して,新しいデータでCNNの再学習を行うことができます。また,イメージラベラー、ビデオラベラー,特徴抽出器,および分類器を使用してカスタム検出器を作成できます