卷积神经网络(cnn或ConvNets)是深度学习的基本工具，尤其适用于图像分类、目标检测和识别任务。cnn被实现为一系列相互连接的层。这些层由卷积、ReLU(整流线性单元)和池化层的重复块组成。卷积层用一组过滤器对输入进行卷积。过滤器是在网络训练过程中自动学习的。ReLU层为网络增加了非线性，使网络能够近似图像像素与图像语义内容之间的非线性映射。池化层对输入进行采样，并帮助巩固局部图像特征。

卷积神经网络需要neural Network Toolbox™。CUDA支持训练和预测万博1manbetx^®具有3.0或更高计算能力的GPU。建议使用GPU，并需要并行计算工具箱™。

您可以构建一个CNN架构，使用语义分割训练网络，并使用训练过的网络来预测类标签或检测对象。你也可以从预训练的网络中提取特征，并使用这些特征来训练分类器。此外，您可以执行迁移学习，在新数据上重新训练CNN。