Je hebt een dataset van 1.000.000 gelabelde 200x200 afbeeldingen die aangeven of een auto aanwezig is of niet. Welke neuraal netwerkarchitectuur en keuze voor de uitvoerlaag zal waarschijnlijk de hoogste nauwkeurigheid opleveren voor het detecteren van de aanwezigheid van een auto in een afbeelding?

Een diep convolutioneel neuraal netwerk (CNN) is de beste keuze voor beeldclassificatietaken vanwege zijn vermogen om hiërarchische kenmerken (zoals randen, texturen en vormen) direct uit de pixelgegevens te extraheren, wat essentieel is voor het herkennen van objecten zoals auto's. Een meerlaagse perceptron (MLP) zou de 200x200 afbeeldingen moeten 'flattenen' tot een lange vector, waardoor de ruimtelijke relaties tussen pixels verloren gaan, wat cruciaal is voor beeldherkenning. Aangezien het een binaire classificatietaak betreft (auto aanwezig of niet), is een softmax-uitvoerlaag met twee klassen (aanwezig/niet aanwezig) het meest geschikt. Softmax geeft de waarschijnlijkheid van elke klasse, wat een betere interpretatie biedt dan een lineaire uitvoerlaag, die onbegrensde waarden kan produceren.