Конволюционни невронни мрежи
Конволюционните невронни мрежи (CNN) са основната архитектура за разбиране на изображения.
Преглед
They learn visual patterns by sliding small filters across a picture, which is why they power everything from face unlock to medical scan analysis.
Дълбоко гмуркане
CNN обработва изображение чрез плъзгане на малки решетки от тежести, наречени филтри или ядра, през пикселите. Всеки филтър сканира за един модел, като ръб, цветно петно или ъгъл. Ранните слоеве откриват прости характеристики; по-дълбоките слоеве ги комбинират в очи, колела или текст. Тъй като един и същ филтър се използва повторно на всяка позиция (споделяне на тегло), CNN се нуждае от много по-малко параметри от напълно свързана мрежа и може да забележи котка, независимо дали се появява в горния ляв или долния десен ъгъл. Слоевете за обединяване свиват изображението между стъпките, което прави мрежата по-бърза и по-толерантна към малки смени. Забележителни дизайни като LeNet, AlexNet (2012) и ResNet доведоха до бума на задълбочено обучение, като победата на AlexNet в ImageNet разпали съвременната ера в областта.
Техническа информация
Основната операция е конволюция: филтър (да речем 3x3 тегла) се наслагва върху парче от пиксели, всяко тегло се умножава по своя пиксел и резултатите се сумират в едно изходно число. Плъзгането на филтъра създава карта на характеристиките. Две идеи правят това ефективно: споделяне на тежестта (един филтър се използва повторно навсякъде) и локална свързаност (всеки неврон вижда само малък регион). Конволюцията на подреждането, нелинейността като ReLU и обединяването позволяват на мрежата да изгради йерархия от все по-абстрактни визуални характеристики.
Стратегическо въздействие
Clearer decisions
Помага ви да отделите ясните технически твърдения от маркетинговия език.
Cost and budget
Можете да задавате въпроси за по-добро внедряване, преди да харчите пари или време.
Team and workflow
Екипи със споделено разбиране вземат по-добри решения за продукти, политики и обучение.
Бъдещето на конволюционните невронни мрежи
CNN остават доминиращи във визия в реално време и с ограничени ресурси, като телефонни камери и възприятие за самостоятелно шофиране, тъй като са бързи и ефективни за данни. Vision Transformers сега им съперничат или ги побеждават в големи масиви от данни, така че полето се сближава с хибридни дизайни, които комбинират ефективността на конволюцията с глобалното мислене на вниманието. Очаквайте CNN да продължат да съществуват във вградените и крайните устройства, в медицинските изображения, където данните са оскъдни, и като ефективни екстрактори на функции, захранващи по-големи мултимодални системи за години напред.
Внедряване в реалния свят
Откриване на тумори, фрактури и диабетна ретинопатия в рентгенови лъчи, компютърна томография и снимки на ретината
Активиране на разпознаването на лица за отключване на телефона и маркиране на снимки в приложения като Google Photos
Разчитане на улични знаци, маркировки на платна и пешеходци в системи за възприемане на самоуправляващи се автомобили
Автоматично маркиране на дефектни продукти на фабрични поточни линии чрез инспекция с камера
Рискове и предпазни огради
Различните екипи могат да използват един и същи термин по различен начин, така че дефинирайте обхвата рано.
Бенчмарковете могат да изглеждат силни, докато производителността в реалния свят е неравномерна.
Пренебрегването на качеството на данните и плановете за оценка често създава крехки резултати.
Пътна карта за изпълнение
Започнете с дефиниция на обикновен език за резултата, от който се нуждаете.
Изберете един показател за успех и едно условие за неуспех преди тестване.
Изпълнете малък пилотен проект с представителни данни, а не изпипан демонстрационен набор.
Документирайте къде конволюционните невронни мрежи помагат и къде по-простите методи са по-добри.
Продължете да изследвате
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
Next guide
Графика на невронни мрежи
Frequently asked questions
What is Convolutional Neural Networks?
Конволюционните невронни мрежи (CNN) са основната архитектура за разбиране на изображения. Те научават визуални модели чрез плъзгане на малки филтри през картина, поради което захранват всичко от отключване с лице до анализ на медицинско сканиране.
Каква е основната задача на филтъра (ядрото) в CNN?
Филтърът е малка решетка от тежести, която се плъзга върху изображението, като се активира, когато намери модела, който е научил, като ръб или текстура.
Защо CNN се нуждае от много по-малко параметри, отколкото една напълно свързана мрежа за изображения?
Споделянето на тегло означава, че един малък филтър се прилага навсякъде в изображението, така че мрежата използва повторно едни и същи тегла, вместо да научава отделни за всяко местоположение на пиксела.
Какво обикновено прави обединяващият слой?
Обединяването (като максималното обединяване) намалява картата на функциите, намалявайки изчисленията и правейки мрежата по-малко чувствителна към това къде точно се появява функция.
В дълбок CNN, как характеристиките обикновено се променят от ранните слоеве към по-късните слоеве?
Ранните слоеве откриват характеристики на ниско ниво като ръбове и цветове; по-дълбоките слоеве ги комбинират в концепции от по-високо ниво, като лица или части на обекти.
На кое събитие се смята, че дава началото на модерния бум на задълбочено обучение във визия?
Драматичната победа на AlexNet в ImageNet през 2012 г., използвайки дълбок CNN върху GPU, убеди изследователите, че дълбокото обучение може да надмине по-старите методи, предизвиквайки бързия растеж на полето.