Convolutional Neural Network (CNN)
Red neuronal convolucional
En una frase
CNN: un tipo de red neuronal diseñado para imágenes que aprende a detectar patrones locales —bordes, texturas, formas— usando filtros que recorren la imagen.
¿Demasiado técnico? Ver explicación sencilla¿Quieres profundizar? Ver explicación técnica
Explícamelo fácil
En lugar de mirar toda la imagen de golpe, una CNN la examina por partes con pequeños «filtros», como una lupa que se desliza. Las primeras capas detectan bordes; las siguientes, combinaciones como esquinas y texturas; las últimas, objetos completos como ruedas u ojos.
Nivel técnico
Profundizando
Se compone de capas de convolución (filtros aprendidos compartidos en toda la imagen), activaciones no lineales y pooling para reducir la resolución. Dos sesgos inductivos la hacen eficiente: localidad (cada neurona mira una región pequeña) y compartición de pesos (el mismo filtro sirve en cualquier posición), lo que da cierta invariancia a traslaciones. Hitos: LeNet (1998), AlexNet (2012, que impulsó la revolución del deep learning), VGG y ResNet.
¿Por qué importa?
Fueron la arquitectura que demostró el poder del deep learning y siguen siendo muy usadas en visión eficiente.
¿Dónde se utiliza?
- Clasificación de imágenes
- Detección de objetos
- Imágenes médicas
- Visión en dispositivos
Antes de aprender esto
Si alguno te resulta nuevo, empieza por ahí.