Konvoluční neuronové sítě (také známé jako CNN) jsou typem umělé neuronové sítě používané v počítačovém vidění a strojovém učení. Jsou navrženy k identifikaci prvků v obrázcích a dalších typech dat.
CNN jsou založeny na myšlence konvoluční vrstvy, která pořizuje vstupní obraz a prochází ho přes sadu filtrů nebo jader, aby identifikovala specifické rysy. Konvoluční vrstva může například detekovat hrany a tvary v obrázku. Výstupem konvoluční vrstvy je příznakový vektor, který se používá k identifikaci objektů a jejich klasifikaci.
Architektura CNN se skládá z konvolučních vrstev, sdružovacích vrstev a plně propojených vrstev. Konvoluční vrstvy jsou zodpovědné za identifikaci prvků na obrázku. Sdružovací vrstvy se používají ke snížení rozměrů příznakového vektoru. Plně propojené vrstvy se používají k učení vztahů mezi identifikovanými prvky a třídami.
CNN se běžně používají v úlohách souvisejících s obrazem, jako je rozpoznávání obličeje, detekce objektů a segmentace obrazu. Mohou být také použity při zpracování přirozeného jazyka pro analýzu sentimentu, klasifikaci textu a systémy odpovědí na otázky.
Kromě aplikací v počítačovém vidění a zpracování přirozeného jazyka se CNN používají také ve zdravotnictví, robotice, autonomních vozidlech a dolování dat. Potenciální aplikace CNN jsou prakticky neomezené.
Konvoluční neuronové sítě jsou mocným nástrojem pro počítačové vidění a strojové učení. Identifikací vzorů a rysů na snímcích umožňují vývoj nespočtu aplikací souvisejících se zrakem, od rozpoznávání obličeje až po autonomní navigaci vozidel.