Rete neurale convoluzionale (CNN)

Componenti e funzionalità principali

Le CNN sono tipicamente costruite da diversi livelli chiave che elaborano e trasformano le informazioni visive:

• Livelli convoluzionali: Sono gli strati fondamentali di una CNN. Applicano una serie di filtri apprendibili (kernel) all'immagine di ingresso. Ogni filtro rileva caratteristiche specifiche come bordi, angoli o texture. Man mano che il filtro scorre (convolge) sull'input, produce mappe di caratteristiche che evidenziano la posizione e la forza delle caratteristiche rilevate. La rete apprende questi filtri automaticamente durante il processo di formazione del modello.
• Livelli di attivazione: Dopo gli strati convoluzionali, le funzioni di attivazione come ReLU (Rectified Linear Unit) o Leaky ReLU introducono la non linearità. Questo permette alla rete di apprendere modelli più complessi che vanno oltre le semplici combinazioni lineari.
• Livelli di pooling: Questi livelli riducono le dimensioni spaziali (larghezza e altezza) delle mappe di caratteristiche, diminuendo il carico computazionale e controllando l 'overfitting. I metodi più comuni includono il Max Pooling, che prende il valore massimo in una regione locale, aiutando la rete a diventare più robusta alle variazioni nella posizione delle caratteristiche. Una panoramica dei metodi di pooling può fornire maggiori dettagli.
• Livelli completamente connessi: In genere si trovano verso la fine della rete, questi strati collegano ogni neurone dello strato precedente a ogni neurone dello strato corrente, in modo simile a una rete neurale tradizionale a feedforward. Utilizzano le caratteristiche di alto livello estratte dagli strati convoluzionali e di pooling per eseguire compiti di classificazione o regressione, come l'assegnazione di un'etichetta finale all'immagine.

Differenze chiave rispetto alle altre reti neurali

Le CNN possiedono caratteristiche uniche che le distinguono da altri tipi di rete:

• Gerarchia spaziale: A differenza delle NN di base, le CNN modellano esplicitamente le relazioni spaziali. I primi livelli rilevano caratteristiche semplici (bordi), mentre i livelli più profondi li combinano per riconoscere modelli più complessi (forme, oggetti). Questa struttura gerarchica imita alcuni aspetti dell'elaborazione visiva umana.
• Condivisione dei parametri: Un singolo filtro viene applicato a diverse parti dell'immagine di ingresso, riducendo in modo significativo il numero totale di parametri rispetto a una rete completamente connessa che elabora la stessa immagine. Questo rende le CNN più efficienti e meno inclini all'overfitting, soprattutto con immagini di grandi dimensioni. L'area coperta da un filtro in qualsiasi punto è nota come campo ricettivo.
• Invarianza alla traduzione: Grazie al pooling e alla condivisione dei parametri, le CNN possono riconoscere un oggetto anche se la sua posizione si sposta leggermente all'interno dell'immagine.
• rispetto alle Reti Neurali Ricorrenti (RNN): Mentre le CNN eccellono nell'elaborazione di dati spaziali come le immagini, le Reti Neurali Ricorrenti (RNN) sono progettate per dati sequenziali, il che le rende adatte a compiti come l'elaborazione del linguaggio naturale (NLP) e l'analisi delle serie temporali.

Applicazioni del mondo reale

Le CNN sono la forza trainante di numerose scoperte in vari settori:

1. Analisi di immagini mediche: Nell'ambito dell'IA in campo sanitario, le CNN analizzano scansioni mediche come radiografie, TAC e risonanze magnetiche. Assistono i radiologi nell'individuazione di sottili anomalie come tumori, fratture o retinopatia diabetica. Le ricerche pubblicate su riviste come Radiology: Artificial Intelligence mostrano le CNN che identificano modelli indicativi di malattie, raggiungendo spesso un'elevata precisione. Ad esempio, modelli come Ultralytics YOLO possono essere adattati a compiti come il rilevamento dei tumori nell'imaging medico, dimostrando l'applicazione pratica delle architetture basate sulle CNN nell'analisi delle immagini mediche.
2. Veicoli autonomi: Le CNN sono fondamentali per l'intelligenza artificiale delle auto a guida autonoma. Alimentano i sistemi di percezione che eseguono il rilevamento degli oggetti in tempo reale per identificare pedoni, veicoli, segnali stradali e strisce di corsia utilizzando i dati delle telecamere e del LiDAR. In questo modo il veicolo è in grado di comprendere l'ambiente circostante e di prendere decisioni di guida sicure. Aziende come Waymo si affidano molto alle CNN per i loro sistemi autonomi. Le CNN contribuiscono anche alla segmentazione delle immagini, permettendo ai veicoli di distinguere le aree percorribili dagli ostacoli.

Strumenti e strutture

Lo sviluppo e l'impiego delle CNN è supportato da potenti strumenti e framework di deep learning (DL):

• Biblioteche: Librerie popolari come PyTorch, TensorFlowe Keras forniscono API di alto livello per costruire, addestrare e valutare le CNN. Ultralytics offre pagine di glossario per PyTorch, TensorFlowe Keras.
• Piattaforme: Piattaforme come Ultralytics HUB semplificano il processo di gestione dei set di dati, l'addestramento di modelli come YOLOv8 e YOLO11e di distribuirli. L'addestramento efficace dei modelli spesso richiede un'attenta regolazione degli iperparametri e beneficia di suggerimenti completi per l 'addestramento dei modelli.