Red neuronal convolucional – CNN

Las Redes Neuronales Convolucionales (CNN) procesan la información visual imitando la manera en que el ojo humano percibe las cosas. Utilizan capas convolucionales que aplican filtros a la imagen para detectar características visuales como bordes, texturas y formas. Cada capa sucesiva combina estas características para reconocer patrones más complejos. Por ejemplo, la primera capa podría identificar bordes, la siguiente podría identificar texturas y patrones, y las capas más profundas podrían reconocer estructuras complejas como partes de objetos o rostros.

Lo que hace a las CNN adecuadas para el análisis de imágenes es su habilidad para preservar la relación espacial entre píxeles al aprender características visuales jerárquicas, y su eficiencia computacional gracias al uso compartido de pesos y a la reducción de la dimensionalidad mediante las capas de pooling. Estas características permiten a las CNN manejar con eficacia la gran cantidad de información presente en las imágenes y ser muy efectivas en tareas de visión por computadora como la clasificación de imágenes, la detección de objetos y el reconocimiento facial.