ما هي الشبكات العصبية التلافعية (CNNs)?

ربما كنت قد تساءلت عن كيفية قدرة فيسبوك أو إنستجرام على التعرف تلقائيًا على الوجوه في صورة، أو كيف يسمح لك جوجل بالبحث على الويب عن صور متشابهة فقط عن طريق تحميل صورة خاصة بك. هذه الميزات هي أمثلة على رؤية الكمبيوتر، وتعمل بواسطة الشبكات العصبية التلافعية (CNNs). ومع ذلك، ما هي الشبكات العصبية التلافعية بالضبط؟ دعونا نغوص في عمق بنية الشبكة العصبية التلافعية وفهم كيفية عملها.

ما هي الشبكات العصبية?

قبل أن نبدأ في الحديث عن الشبكات العصبية التلافعية، دعونا نحدد الشبكة العصبية العادية. هناك مقال آخر حول موضوع الشبكات العصبية متاح، لذلك لن نغوص في تفاصيلها هنا. ومع ذلك، لتحديد مفهومها بشكل简في، فهي نماذج حسابية مستوحاة من الدماغ البشري. تعمل الشبكة العصبية عن طريق أخذ البيانات وتحويلها من خلال تعديل “الأوزان”، والتي هي افتراضات حول كيفية علاقات الميزات المدخلة ببعضها البعض وفئة الكائن. مع تدريب الشبكة، يتم تعديل قيم الأوزان وستتقارب في النهاية على أوزان تحدد العلاقات بين الميزات بدقة.
هذا هو كيف تعمل الشبكة العصبية التلافيفية، والشبكات العصبية التلافعية تتكون من نصفين: شبكة عصبية تلافيفية و مجموعة من الطبقات التلافيفية.

ما هي الشبكات العصبية التلافيفية (CNNs)?

ما هي “التلافيف” التي تحدث في شبكة عصبية تلافيفية؟ التلافيف هو عملية رياضية تخلق مجموعة من الأوزان، مما يخلق تمثيلًا لأجزاء من الصورة. هذه المجموعة من الأوزان يشار إليها باسم نواة أو مرشح. المرشح الذي يتم إنشاؤه أصغر من الصورة الإدخالية الكاملة، ويغطي فقط جزءًا من الصورة. يتم ضرب قيم المرشح في قيم الصورة. ثم يتم نقل المرشح إلى تشكيل تمثيل لجزء جديد من الصورة، ويتكرر العملية حتى يتم تغطية الصورة الإدخالية بالكامل.
يمكن التفكير في هذا على أنه جدار من الطوب، حيث تمثل الطوب بكسلات الصورة الإدخالية. “نافذة” يتم سحبها إلى الوراء على الجدار، وهو المرشح. البكسلات التي يمكن رؤيتها من خلال النافذة هي البكسلات التي يتم ضرب قيمها في القيم داخل المرشح. لهذا السبب، يتم اعتبار هذه الطريقة لإنشاء أوزان باستخدام مرشح باسم تقنية “النوافذ المنزلقة”.
الخرج من المرشحات التي يتم نقلها حول الصورة الإدخالية بالكامل هو مصفوفة ثنائية الأبعاد تمثل الصورة الإدخالية بالكامل. هذه المصفوفة يشار إليها باسم “خريطة الميزات”.

لماذا التلافيف ضروري

ما هو الغرض من إنشاء التلافيف على أي حال؟ التلافيف ضروري لأن الشبكة العصبية يجب أن تكون قادرة على تفسير البكسلات في صورة كقيم رقمية. وظيفة الطبقات التلافيفية هي تحويل الصورة إلى قيم رقمية يمكن للشبكة العصبية تفسيرها وستستخلص منها الأنماط ذات الصلة. مهمة المرشحات في الشبكة التلافيفية هو إنشاء مصفوفة ثنائية الأبعاد من القيم التي يمكن تمريرها إلى الطبقات اللاحقة من الشبكة العصبية، والتي ستتعلم الأنماط في الصورة.
المرشحات والقنوات

صورة: cecebur via Wikimedia Commons, CC BY SA 4.0 (https://commons.wikimedia.org/wiki/File:Convolutional_Neural_Network_NeuralNetworkFeatureLayers.gif)