ተለዋዋጭ የነርቭ አውታረ መረቦች
Convolutional Neural Networks (ሲኤንኤን) ምስሎችን ለመረዳት የስራ ፈረስ አርክቴክቸር ናቸው።
አጠቃላይ እይታ
They learn visual patterns by sliding small filters across a picture, which is why they power everything from face unlock to medical scan analysis.
ጥልቅ ዳይቭ
ሲ ኤን ኤን ምስልን በፒክሰሎች ላይ ማጣሪያ ወይም ከርነል የሚባሉትን ትናንሽ የክብደት ፍርግርጎች በማንሸራተት ያስኬዳል። እያንዳንዱ ማጣሪያ እንደ ጠርዝ፣ የቀለም ነጠብጣብ ወይም ጥግ ያሉ አንድ ጥለትን ይቃኛል። የመጀመሪያዎቹ ንብርብሮች ቀላል ባህሪያትን ይገነዘባሉ; ጥልቀት ያላቸው ሽፋኖች ወደ አይኖች፣ ጎማዎች ወይም ጽሑፎች ያዋህዳቸዋል። ተመሳሳዩ ማጣሪያ በሁሉም ቦታ (ክብደት መጋራት) እንደገና ጥቅም ላይ ስለሚውል፣ ሲ ኤን ኤን ሙሉ በሙሉ ከተገናኘው አውታረ መረብ በጣም ያነሱ መመዘኛዎችን ይፈልጋል እና ድመት ከላይ በግራ ወይም ከታች በቀኝ በኩል ይታያል። የውሃ ማጠራቀሚያ ንብርብሮች ምስሉን በደረጃዎች መካከል ይቀንሳሉ, ይህም አውታረ መረቡ ፈጣን እና አነስተኛ ፈረቃዎችን የበለጠ ታጋሽ ያደርገዋል. እንደ ሌኔት፣ አሌክስኔት (2012) እና ሬስኔት ያሉ የመሬት ማርክ ዲዛይኖች የጥልቅ-ትምህርት እድገትን አደረጉ፣ የአሌክስኔት ኢሜጅኔት ድል የሜዳውን ዘመናዊ ዘመን አብርቷል።
ቴክኒካዊ ግንዛቤ
ዋናው ክዋኔው ኮንቮሉሽን ነው፡ ማጣሪያ (3x3 ክብደቶች ይበሉ) በአንድ ፒክሰሎች ላይ ተሸፍኗል፣ እያንዳንዱ ክብደት በፒክሰል ተባዝቷል፣ ውጤቶቹም ወደ አንድ የውጤት ቁጥር ተጠቃለዋል። ማጣሪያውን ማንሸራተት የባህሪ ካርታ ይፈጥራል። ሁለት ሀሳቦች ይህንን ውጤታማ ያደርጉታል፡ ክብደት መጋራት (አንድ ማጣሪያ በሁሉም ቦታ እንደገና ጥቅም ላይ ይውላል) እና የአካባቢ ግንኙነት (እያንዳንዱ የነርቭ ሴል የሚያየው ትንሽ ክልል ብቻ ነው)። ቁልል ኮንቮሉሽን፣ እንደ ReLU ያለ የመስመር ላይ አለመሆን፣ እና መዋሃድ አውታረ መረቡ ከጊዜ ወደ ጊዜ እየጨመሩ የሚመጡ ረቂቅ ምስላዊ ባህሪያት ተዋረድ እንዲገነባ ያስችለዋል።
ስልታዊ ተጽእኖ
ግልጽ ውሳኔዎች
ግልጽ ቴክኒካዊ የይገባኛል ጥያቄዎችን ከገበያ ቋንቋ እንዲለዩ ያግዝዎታል።
ወጪ እና በጀት
ገንዘብን ወይም ጊዜን ከማጥፋትዎ በፊት የተሻሉ የትግበራ ጥያቄዎችን መጠየቅ ይችላሉ።
ቡድን እና የስራ ፍሰት
የጋራ ግንዛቤ ያላቸው ቡድኖች የተሻለ ምርት፣ ፖሊሲ እና የመማር ውሳኔዎችን ያደርጋሉ።
የኮንቮሉሽን የነርቭ ኔትወርኮች የወደፊት ዕጣ
እንደ የስልክ ካሜራዎች እና በራስ የመንዳት ግንዛቤዎች በእውነተኛ ጊዜ እና በንብረት-ውሱን እይታ ውስጥ CNNs የበላይ ሆነው ይቆያሉ ምክንያቱም ፈጣን እና መረጃ ቆጣቢ ናቸው። ቪዥን ትራንስፎርመሮች አሁን በትልልቅ የመረጃ ቋቶች ላይ ይወዳደራሉ ወይም ይደበድቧቸዋል፣ስለዚህ መስኩ የኮንቮሉሽን ቅልጥፍናን ከትኩረት አለምአቀፋዊ አስተሳሰብ ጋር በሚያዋህዱ ዲቃላ ዲዛይኖች ላይ እየተሰባሰበ ነው። ሲ ኤን ኤን በተከተቱ እና በጠርዝ መሳሪያዎች፣ በህክምና ምስል መረጃ እምብዛም በማይገኝበት እና እንደ ቀልጣፋ ባህሪ አውጪዎች ትልልቅ የመልቲሞዳል ስርዓቶችን ለሚቀጥሉት አመታት እንዲቀጥሉ ይጠብቁ።
የእውነተኛ-ዓለም አተገባበር
በኤክስሬይ፣ በሲቲ ስካን እና በሬቲና ፎቶዎች ላይ ዕጢ፣ ስብራት እና የስኳር ህመም ሬቲኖፓቲ መለየት
እንደ Google ፎቶዎች ባሉ መተግበሪያዎች ውስጥ ለስልክ መክፈቻ እና ለፎቶ መለያ መስጠት የፊት ማወቂያን ማብቃት
የጎዳና ላይ ምልክቶችን፣ የሌይን ምልክቶችን እና እግረኞችን በራስ የሚነዱ የመኪና ግንዛቤ ስርዓቶች ማንበብ
በካሜራ ፍተሻ አማካኝነት የተበላሹ ምርቶችን በፋብሪካ መሰብሰቢያ መስመሮች ላይ በራስ ሰር ምልክት ማድረግ
አደጋዎች እና የጥበቃ መንገዶች
የተለያዩ ቡድኖች ተመሳሳይ ቃል በተለያየ መንገድ ሊጠቀሙ ይችላሉ፣ ስለዚህ ወሰንን ቀደም ብለው ይግለጹ።
የገሃዱ ዓለም አፈጻጸም ያልተስተካከለ ሆኖ ሳለ ማመሳከሪያዎች ጠንካራ ሊመስሉ ይችላሉ።
የውሂብ ጥራት እና የግምገማ እቅዶችን ችላ ማለት ብዙውን ጊዜ ደካማ ውጤቶችን ይፈጥራል.
የትግበራ ፍኖተ ካርታ
የሚፈልጉትን ውጤት በግልፅ ቋንቋ ትርጉም ይጀምሩ።
ከመሞከርዎ በፊት አንድ የስኬት መለኪያ እና አንድ የውድቀት ሁኔታ ይምረጡ።
አንድ ትንሽ አብራሪ በተወካይ ውሂብ ያሂዱ እንጂ የተጣራ ማሳያ ስብስብ አይደለም።
Convolutional Neural Networks የሚረዳበት እና ቀላል ዘዴዎች የተሻሉበት ሰነድ።
ማሰስዎን ይቀጥሉ
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Convolutional Neural Networks quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
ቀጣይ መመሪያ
ግራፍ የነርቭ አውታረ መረቦች
በተደጋጋሚ የሚጠየቁ ጥያቄዎች
What is Convolutional Neural Networks?
Convolutional Neural Networks (ሲኤንኤን) ምስሎችን ለመረዳት የስራ ፈረስ አርክቴክቸር ናቸው። ትናንሽ ማጣሪያዎችን በሥዕሉ ላይ በማንሸራተት የእይታ ንድፎችን ይማራሉ፣ለዚህም ነው ሁሉንም ነገር ከፊት መክፈቻ እስከ የህክምና ቅኝት ድረስ የሚሠሩት።
በ CNN ውስጥ የማጣሪያ (ከርነል) ዋና ስራ ምንድነው?
ማጣሪያ በምስሉ ላይ የሚንሸራተት ትንሽ የክብደት ፍርግርግ ሲሆን የተማረውን ንድፍ ሲያገኝ እንደ ጠርዝ ወይም ሸካራነት።
ለምንድነው CNN ለምስሎች ሙሉ በሙሉ ከተገናኘው አውታረመረብ በጣም ያነሱ መለኪያዎች ያስፈልጉታል?
ክብደት መጋራት ማለት አንድ ትንሽ ማጣሪያ በምስሉ ላይ በሁሉም ቦታ ይተገበራል፣ ስለዚህ አውታረ መረቡ ለእያንዳንዱ የፒክሰል ቦታ የተለየ ከመማር ይልቅ ተመሳሳይ ክብደቶችን ይጠቀማል።
የመዋኛ ንብርብር በተለምዶ ምን ያደርጋል?
ፑልንግ (እንደ ማክስ ፑልኪንግ የመሳሰሉ) የባህሪ ካርታውን ዝቅ ያደርገዋል፣ ስሌትን ይቀንሳል እና ባህሪው ወደሚታይበት ቦታ በትክክል አውታረ መረቡ እንዳይነካ ያደርገዋል።
በጥልቅ CNN ውስጥ፣ ባህሪያቱ በአጠቃላይ ከመጀመሪያዎቹ ንብርብሮች ወደ በኋላ ንብርብሮች እንዴት ይቀየራሉ?
የመጀመሪያዎቹ ንብርብሮች እንደ ጠርዞች እና ቀለሞች ያሉ ዝቅተኛ ደረጃ ባህሪያትን ይገነዘባሉ; ጥልቅ ንብርብሮች እነዚህን እንደ ፊት ወይም የነገር ክፍሎች ካሉ ወደ ከፍተኛ ደረጃ ጽንሰ-ሀሳቦች ያዋህዳሉ።
የዘመናዊውን የጥልቅ-ትምህርት እድገት በራዕይ ላይ የጀመረው የትኛው ክስተት ነው?
ጥልቅ የሆነ የሲኤንኤንን በጂፒዩዎች በመጠቀም የአሌክስኔት አስደናቂ የ2012 ImageNet ድል ጥልቅ ትምህርት የቆዩ ዘዴዎችን እንደሚበልጥ ተመራማሪዎችን አሳምኖ የመስክ ፈጣን እድገትን አስከትሏል።