Конволюционная нейронная сеть (CNN)

Основные компоненты и функциональность

CNN обычно строятся из нескольких ключевых слоев, которые обрабатывают и преобразуют визуальную информацию:

• Конволюционные слои: Это основополагающие слои CNN. Они применяют набор обучаемых фильтров (ядер) к входному изображению. Каждый фильтр обнаруживает определенные особенности, такие как края, углы или текстуры. По мере того как фильтр скользит (свертывается) по входному изображению, он создает карты признаков, которые выделяют местоположение и силу обнаруженных признаков. Сеть обучается этим фильтрам автоматически в процессе обучения модели.
• Активационные слои: После конволюционных слоев функции активации, такие как ReLU (Rectified Linear Unit) или Leaky ReLU, вводят нелинейность. Это позволяет сети обучаться более сложным паттернам, которые выходят за рамки простых линейных комбинаций.
• Слои пулинга: Эти слои уменьшают пространственные размеры (ширину и высоту) карт признаков, снижая вычислительную нагрузку и контролируя чрезмерную подгонку. К распространенным методам относится Max Pooling, который берет максимальное значение в локальной области, помогая сети стать более устойчивой к изменениям в расположении признаков. Обзор методов пулинга может дать более подробную информацию.
• Полностью подключенные слои: Обычно эти слои находятся в конце сети и соединяют каждый нейрон из предыдущего слоя с каждым нейроном в текущем слое, подобно традиционной нейронной сети с прямолинейным движением. Они используют высокоуровневые признаки, извлеченные конволюционным и пулинговым слоями, для выполнения задач классификации или регрессии, например для присвоения изображению окончательной метки.

Основные отличия от других нейронных сетей

CNN обладают уникальными характеристиками, которые отличают их от других типов сетей:

• Пространственная иерархия: В отличие от базовых NN, CNN явно моделируют пространственные отношения. Ранние слои обнаруживают простые признаки (края), а более глубокие слои объединяют их, чтобы распознать более сложные паттерны (формы, объекты). Эта иерархическая структура имитирует аспекты визуальной обработки информации человеком.
• Совместное использование параметров: Один фильтр применяется к разным частям входного изображения, что значительно сокращает общее количество параметров по сравнению с полностью подключенной сетью, обрабатывающей то же самое изображение. Это делает CNN более эффективными и менее склонными к чрезмерной подгонке, особенно при работе с большими изображениями. Область, которую фильтр охватывает в любой точке, называется его рецептивным полем.
• Инвариантность перевода: Благодаря объединению и совместному использованию параметров, CNN могут распознавать объект, даже если его положение немного смещается в пределах изображения.
• В сравнении с рекуррентными нейронными сетями (РНС): В то время как CNN отлично справляются с обработкой пространственных данных, например изображений, рекуррентные нейронные сети (RNN) предназначены для работы с последовательными данными, что делает их подходящими для таких задач, как обработка естественного языка (NLP) и анализ временных рядов.

Применение в реальном мире

CNN являются движущей силой многочисленных прорывов в различных областях:

1. Анализ медицинских изображений: В ИИ в здравоохранении CNN анализируют медицинские снимки, такие как рентгеновские, компьютерные и магнитно-резонансные томографы. Они помогают рентгенологам обнаруживать тонкие аномалии, такие как опухоли, переломы или диабетическая ретинопатия. Исследования, опубликованные в таких журналах, как Radiology: Artificial Intelligence, показывают, как CNN выявляют паттерны, указывающие на заболевания, и часто достигают высокой точности. Например, такие модели, как Ultralytics YOLO могут быть адаптированы для решения таких задач, как обнаружение опухолей в медицинской визуализации, что демонстрирует практическое применение архитектур на основе CNN в анализе медицинских изображений.
2. Автономные транспортные средства: CNN очень важны для ИИ в самодвижущихся автомобилях. На них работают системы восприятия, которые в режиме реального времени распознают объекты, идентифицируя пешеходов, автомобили, дорожные знаки и разметку полосы движения, используя данные с камер и LiDAR. Это позволяет автомобилю понимать окружающую обстановку и принимать решения о безопасном вождении. Такие компании, как Waymo, во многом полагаются на CNN в своих автономных системах. CNN также способствуют сегментации изображений, позволяя автомобилям отличать зоны, пригодные для вождения, от препятствий.

Инструменты и фреймворки

Разработка и внедрение CNN поддерживается мощными инструментами и фреймворками глубокого обучения (DL):

• Библиотеки: Популярные библиотеки, такие как PyTorch, TensorFlow, и Keras, предоставляют высокоуровневые API для построения, обучения и оценки CNN. Ultralytics предлагает страницы глоссария для PyTorch, TensorFlowи Keras.
• Платформы: Платформы вроде Ultralytics HUB упрощают процесс управления наборами данных, обучения моделей вроде YOLOv8 и YOLO11и их развертывания. Эффективное обучение модели часто требует тщательной настройки гиперпараметров, и от этого выигрывают комплексные советы по обучению модели.