Transferability of features from multiple depths of a deep convolutional neural network
Djupa faltningsnätverk har blivit otroligt populära de senaste åren tack vare sin förmåga att lära sig att förstå innehållet i signaler och bilder. Dessa djupa nätverk ligg\-er bakom moderna tekniker såsom självkörande bilar och avancerad ansiktsigenkänning i mobiltelefoner. Genom att undersöka hur strukturer kan utvinnas ur dessa nätverk så kan vi förbättra vår förmåga att lära oss nya problem.Deep convolutional neural networks are great at learning structures in signals and sequential data. Their performance have surpassed most non-convolutional algorithms on classical problems within the field of image analysis. A reason behind their success is that even though these networks generally need a great amount of examples to learn from, they can be used to learn smaller tasks through diffe