Konvolutionales neuronales Netz (Faltungsnetz, Convolutional Neural Network, CNN)

Ein konvolutionales neuronales Netz (auch Faltungsnetz; englisch Convolutional Neural Network, CNN) ist ein neuronales Netz, das für Daten mit räumlicher Struktur entwickelt wurde, vor allem für Bilder. Statt jedes Eingabepixel mit jeder Einheit in der ersten Schicht zu verbinden, wendet es kleine konvolutionelle Filter wiederholt über das Bild an, teilt Gewichte und lernt lokale Merkmale wie Kanten und Texturen. Beim Training werden diese Filter durch Backpropagation Ende-zu-Ende angepasst, oft mit Pooling-Schichten, die Aktivierungen verkleinern und die Robustheit gegen kleine Verschiebungen erhöhen.

Yann LeCun und Kollegen bei AT&T Bell Laboratories zeigten den Ansatz 1989 an handgeschriebenen Postleitzahlen des US Postal Service. Das war ein früher Beleg, dass Konvolution plus gradientenbasiertes Lernen reale Erkennungsaufgaben skalieren kann. Dieselbe Architekturfamilie trieb später AlexNet und den modernen Boom des Deep Learning in der Bildverarbeitung an. Siehe den Artikel und den Zeitleisten-Eintrag.