Apa Itu Deconvolutional Networks?
Deconvolutional networks adalah versi kebalikan dari convolutional neural networks (CNN). Jaringan ini sering disebut juga sebagai deconvolutional neural networks, dan meskipun mirip dengan CNN yang dijalankan secara terbalik, deconvolutional networks punya peran tersendiri dalam dunia kecerdasan buatan (AI).
Deconvolutional networks bertujuan untuk menemukan kembali fitur atau sinyal yang mungkin hilang atau dianggap tidak terlalu penting oleh CNN saat melakukan tugasnya. Sinyal bisa saja hilang karena tercampur dengan sinyal lain saat proses konvolusi. Proses dekonvolusi ini sering digunakan baik dalam sintesis gambar maupun analisis gambar.
Kalau CNN berfungsi seperti otak manusia dalam memproses gambar, maka deconvolutional networks bekerja sebaliknya, yaitu membangun ulang gambar dari data yang sudah diproses. Cara kerjanya bisa dianggap seperti “reverse engineering” dari CNN, di mana jaringan ini merekonstruksi lapisan-lapisan yang tadinya telah diolah oleh sistem machine vision dalam field of view dan memisahkan elemen-elemen yang telah bercampur.
Deconvolutional networks berkaitan erat dengan metode deep learning lainnya yang digunakan untuk mengekstrak fitur dari data hierarkis, seperti deep belief networks dan hierarchy-sparse autoencoders. Teknologi ini paling sering digunakan di bidang sains dan rekayasa (engineering).