Hai un dataset di 1.000.000 di immagini etichettate 200x200 che indicano se un'auto è presente o meno. Quale architettura di rete neurale e scelta del layer di output ha più probabilità di produrre la massima accuratezza per rilevare la presenza di un'auto in un'immagine?

La risposta corretta è una rete neurale convoluzionale profonda (CNN) con un layer di output softmax. Le CNN sono eccellenti per l'elaborazione delle immagini grazie alla loro capacità di apprendere gerarchie di caratteristiche spaziali, rendendole ideali per il riconoscimento di oggetti come le auto. Un layer di output softmax è appropriato per problemi di classificazione binaria (presenza/assenza di un'auto) perché produce probabilità per ciascuna classe che sommano a uno, fornendo una stima chiara della probabilità. Le opzioni che includono un percettrone multistrato profondo (MLP) sono meno efficaci per le immagini. Gli MLP trattano ogni pixel come una caratteristica indipendente, perdendo le relazioni spaziali cruciali tra i pixel, il che è fondamentale per il riconoscimento di pattern visivi complessi. Un layer di output lineare non è adatto per la classificazione di probabilità, poiché può produrre valori al di fuori dell'intervallo [0, 1] e non garantisce che le probabilità sommino a uno.