Îmbunătățirea clarității imaginilor procesate

Creșterea numărului de filtre aplicate imaginii

Conectarea tuturor neuronilor între straturi

Reducerea dimensiunii spațiale a reprezentării pentru a diminua cantitatea de parametri

Aplică o transformare liniară pentru a reduce dimensionalitatea spațiului de caracteristici.

Transformă ieșirile rețelei într-o distribuție de probabilitate peste toate clasele posibile.

Normalizează datele de intrare pentru a avea media 0 și deviația standard 1.

Previne overfitting-ul prin eliminarea aleatorie a unor neuroni în timpul antrenării.

Transferul de învățare nu este posibil în TensorFlow și Keras

Prin reantrenarea întregului model de la zero pe un nou set de date

Prin încărcarea unui model pre-antrenat și personalizarea ultimelor straturi pentru un nou set de date

Prin utilizarea exclusivă a straturilor convoluționale