✅توضیح لایه کانولوشن در شبکه های عصبی کانولوشنالی CNNs

✍شبکه های عصبی کانولوشنالی یکی از مهمترین ابزار بینایی ماشین، پردازش تصویر و سیگنال هستند. بعد از ظهور شبکه های عصبی CNNs، انقلاب بزرگی در حوزه بینایی ماشین و بعد در سایر حوزه ها اتفاق افتاد. امروزه کاربردهای شبکه های عصبی کانولوشنالی را در همه جا میشه دید، از بحث بینایی ماشین در زندگی روزمره مثل کنترل ترافیک، تشخیص پلاک خورو، ماشینهای خودران، و در بحثهای مهمتر مثل پزشکی که از CNNها به صورت فزاینده ای جهت تحلیل تصاویر و سیگنالهای پزشکی استفاده میشود.
شبکه های  عصبی CNN به طور کلی از سه لایه کانولوشن (convolution)، لایه پولینگ (pooling) و لایه های fully-connected تشکیل شده اند. لایه های کانولوشن بخش اصلی CNNs هست.
در این بخش قصد داریم با لایه کانولشن و نحوه طراحی آن در محیط پایتورچ-PyTorch آشنا شویم.
⭕️جزییات بیشتر 👇👇
💡Deep learning|1- Convolution

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme