Konvolutsioonivõrgus

Konvolutsioonivõrgus, tuntud ka kui CNN (Convolutional Neural Network), on spetsiaalne süvaõppe mudel, mis on eriti tõhus pilditöötlusülesannetes. Selle peamine idee on matemaatiline operatsioon, mida nimetatakse konvolutsiooniks. Konvolutsioonivõrgus rakendab filtreid (tuntud ka kui kerneli või maskid), et tuvastada kujutistes erinevaid funktsioone, nagu servad, nurgad ja tekstuurid. Need filtrid liiguvad üle sisendpildi, korrutades elemendid ja summeerides tulemused, et luua "funktsioonikaarte".

Konvolutsioonivõrgud koosnevad tavaliselt mitmest kihist. Konvolutsioonikihid on peamised, millele järgnevad tavaliselt kahanemis- (pooling) kihid. Kahanemiskihid vähendavad funktsioonikaartide ruumilist suurust, aidates seega vähendada arvutuslikku keerukust ja muutes mudeli vähem tundlikuks väikeste nihkete suhtes pildis. Pärast mitmeid konvolutsiooni- ja kahanemisskeeme järgnevad tavaliselt täielikult ühendatud kihid, mis kasutavad saadud kõrgetasemelisi funktsioone klassifitseerimise või muude ülesannete jaoks.

CNN-i on edukalt kasutatud mitmesugustes rakendustes, sealhulgas pildiklassifikatsioon, objektituvastus, pildisegmentatsioon ja isegi loomuliku keele töötluses. Nende võime automaatselt õppida hierarhilisi funktsioone piltidest teeb neist võimsa tööriista kaasaegses masinõppes.