Mitkä ovat CNN:t (Konvoluutioneuronisverkot)?

Ehkä olet ihmettänyt, miten Facebook (META ) tai Instagram pystyy automaattisesti tunnistamaan kasvot kuvassa tai miten Google (GOOGL ) sallii sinun etsiä verkkokaupasta samanlaisia valokuvia lataamalla oman valokuvan. Nämä ominaisuudet ovat esimerkkejä tietokoneen näöstä, ja ne toimivat konvoluutioneuronisverkkoihin (CNN) perustuen. Mitä konvoluutioneuronisverkot oikein ovat? Otetaan syvä sukellus CNN:n arkkitehtuuriin ja ymmärretään, miten ne toimivat.

Mitä ovat neuroniaaliset verkot?

Ennen kuin aloitamme puhumasta konvoluutioneuronisverkoista, otetaan hetki määritellä säännöllinen neuroniaalinen verkko. On olemassa toinen artikkeli aiheesta neuroniaaliset verkot, joten emme mene niiden kanssa liian syvälle tässä. Lyhyesti sanottuna ne ovat laskennallisia malleja, jotka ovat inspiroitu ihmisaivoista. Neuroniaalinen verkko toimii ottamalla dataa ja muokkaamalla sitä säätämällä “painoja”, jotka ovat oletuksia siitä, miten syöteominaisuudet liittyvät toisiinsa ja objektin luokkaan. Kun verkko on koulutettu, painojen arvot säätävät ja ne toivottavasti suppenevat painoihin, jotka tarkasti havaitsevat ominaisuuksien väliset suhteet.

Tämä on, miten eteenpäin suuntautuva neuroniaalinen verkko toimii, ja CNN:t koostuvat kahdesta osasta: eteenpäin suuntautuvasta neuroniaalisesta verkosta ja ryhmästä konvoluutioneuronisverkoista.

Mitä ovat konvoluutioneuroniverkot (CNN:t)?

Mitä “konvoluutiot” ovat konvoluutioneuronisverkossa? Konvoluutio on matemaattinen operaatio, joka luo joukon painoja, luoden esityksen kuvan osista. Tämä painojen joukko on kutsuttu ydinksi tai suodattimeksi. Suodatin, joka luodaan, on pienempi kuin koko syötekuvan koko, ja se peittää vain osan kuvasta. Suodattimen arvot kerrotaan kuvan arvojen kanssa. Suodatin siirretään sitten muodostamaan uuden kuvan osan esitys, ja prosessi toistetaan, kunnes koko kuva on peitetty.

Toinen tapa ajatella tätä on kuvitella tiiliseinä, jossa tiilet edustavat kuvan pikseleitä. “Ikkuna” liukuu edestakaisin seinän yli, joka on suodatin. Tiilet, jotka ovat näkyvissä ikkunan kautta, ovat pikseleitä, joiden arvo kerrotaan suodattimen arvoilla. Tästä syystä tämä suodattimen avulla painojen luontiin perustuva menetelmä on usein kutsuttu “liukuvien ikkunoiden” tekniikaksi.

Suodattimien liikuttamisen tuloksena koko syötekuvan yli on kaksiulotteinen taulukko, joka edustaa koko kuvaa. Tämä taulukko on kutsuttu “ominaisuuskartaksi”.

Miksi konvoluutiot ovat välttämättömiä

Mikä on konvoluution tarkoitus? Konvoluutiot ovat välttämättömiä, koska neuroniaalisen verkon on kyettävä tulkistamaan kuvan pikseleitä numeerisina arvoina. Konvoluutioneuroniverkkokerrosten tehtävä on muuttaa kuva numeerisiksi arvoiksi, joita neuroniaalinen verkko voi tulkistaa ja joista se voi poimia merkityksellisiä kuvioita. Suodattimien tehtävä konvoluutioneuronisverkossa on luoda kaksiulotteinen taulukko arvoista, jotka voidaan välittää myöhempiin neuroniaalisen verkon kerroksiin, jotka oppivat kuvan kuvioita.

Suodattimet ja kanavat

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

CNN:t eivät käytä vain yhtä suodatinta kuvioitten oppimiseen syötekuvista. Useita suodattimia käytetään, koska eri suodattimien luomat taulukot johtavat monimutkaisempaan, rikkaampaan kuvan esitykseen. Yleisiä suodattimien määriä CNN:lle ovat 32, 64, 128 ja 512. Mitä enemmän suodattimia on, sitä enemmän mahdollisuuksia CNN:llä on tarkastella syötedataa ja oppia siitä.

CNN analysoi pikselien arvojen eroja määrittääkseen objektien reunat. Harmaasävyisessä kuvassa CNN katsoo vain mustan ja valkoisen, tumman ja vaalean eroja. Kun kuvat ovat värillisiä, CNN ottaa huomioon sekä tumman ja vaalean että kolme eri värikanaalia – punaisen, vihreän ja sinisen. Tässä tapauksessa suodattimet omistavat 3 kanavaa, aivan kuten kuva itsessään. Suodattimen kanavien määrää kutsutaan sen syvyydeksi, ja suodattimen kanavien määrän on oltava sama kuin kuvan kanavien määrä.

Konvoluutioneuroniverkon (CNN) arkkitehtuuri

Otetaan katsaus konvoluutioneuronisverkon täydelliseen arkkitehtuuriin. Konvoluutioneuroniverkko löytyy jokaisen konvoluutioneuroniverkon alusta, koska se on välttämätöntä muuttaa kuvadataa numeerisiksi taulukoiksi. Konvoluutioneuroniverkot voivat kuitenkin myös seurata toisia konvoluutioneuroniverkkoja, mikä tarkoittaa, että nämä kerrokset voidaan pinota toistensa päälle. Useiden konvoluutioneuroniverkkokerrosten omistaminen tarkoittaa, että yhden kerroksen tulokset voivat käydä läpi lisää konvoluutioita ja ryhmitellä relevantteihin kuvioihin. Käytännössä tämä tarkoittaa, että kun kuvadata etenee konvoluutioneuroniverkkokerrosten läpi, verkko alkaa “tunnistaa” monimutkaisempia kuvan ominaisuuksia.

ConvNetin varhaiset kerrokset ovat vastuussa matalatasoisten ominaisuuksien poimimisesta, kuten yksinkertaisten viivojen muodostamisesta pikseleistä. Myöhemmät ConvNetin kerrokset yhdistävät nämä viivat muotoon. Tämä pinnan tason analyysin siirtymisprosessi jatkuu, kunnes ConvNet tunnistaa monimutkaisia muotoja, kuten eläimiä, kasvoja ja autoja.

Kun data on kulkenut kaikkien konvoluutioneuroniverkkokerrosten läpi, se etenee tiiviisti yhteenkytkettyyn osaan CNN:stä. Tiiviisti yhteenkytketyt kerrokset ovat sellaisia, miltä perinteinen eteenpäin suuntautuva neuroniaalinen verkko näyttää, sarja solmuja, jotka on järjestetty kerroksiin, jotka ovat yhteydessä toisiinsa. Data etenee näiden tiiviisti yhteenkytkettyjen kerrosten läpi, jotka oppivat konvoluutioneuroniverkkokerrosten poimimat kuviot, ja näin verkko kykenee tunnistamaan objekteja.