Masterclass ¡ Kapitel 19
NovaVisionNet Architektur
Unsere eigene CNN-Pipeline
Du verstehst, wie NovaVisionNet aufgebaut ist, warum es kein ResNet ist und wie aus Pixeln Klassen-Scores werden.
Diese Masterclass verbindet Theorie, Mathematik und echten NOVA-Code. Sie zeigt nicht nur, was ein Konzept bedeutet, sondern wo es in unserer Vision-Forge-Pipeline auftaucht.
Abschnitt 4 von 4Kapitel 19
19.4 Classifier: Aus Merkmalen werden Klassen
Classifier: Aus Merkmalen werden Klassen
Die Convolution-BlĂścke erzeugen Feature Maps. Diese mĂźssen am Ende in Klassen-Scores Ăźbersetzt werden.
DafĂźr nutzt NOVA globales Pooling und danach lineare Layer.
Der Classifier sagt nicht direkt: Das ist ein Hund. Er erzeugt Zahlenwerte fĂźr alle Klassen. Softmax macht daraus Wahrscheinlichkeiten.
Mathematischer Kern
h = extrahierte Merkmale
logits = W_class h + b_class
p = softmax(logits)
Live-Aufgabe
- â˘Vergleiche später Top-5-Ausgaben.
- â˘Achte darauf, ob ähnliche Klassen miteinander konkurrieren.
- â˘Beispiel: cat vs dog oder car vs truck.
NOVA wird geladen...
NOVA Energie-Log
RTX-Verbrauch
NOVA schätzt hier, wie viel GPU-Energie deine Bildanalyse- und CUDA-Läufe bisher ungefähr verbraucht haben.
Lade Energie-Daten...