Konvolutsioonivõrk

Konvolutsioonivõrk (Convolutional Neural Network ehk CNN) on üks masinõppe ja eriti süvaõppe alaliik, mida kasutatakse laialdaselt piltide ja videote töötlemiseks. See on inspireeritud inimese visuaalsest ajukoorest ja selle peamine eesmärk on automaatselt ja adaptiivselt õppida esindusi andmetest, kus on olemas ruumiline struktuur, näiteks piltide puhul.

CNN-i arhitektuur koosneb mitmest kihist, millest olulisemad on konvolutsioonikihid, aktiveerimiskihid (sageli ReLU - Rectified Linear Unit), pooling-kihid ja täielikult ühendatud kihid. Konvolutsioonikihid rakendavad andmetele filtreid (tuntud ka kui tuumad või kernels), et tuvastada piirkondlikke tunnuseid, nagu servad, nurgad või tekstuurid. Pooling-kihid vähendavad andmete ruumilist suurust, säilitades samal ajal olulise teabe, mis aitab vähendada arvutuslikku keerukust ja muuta mudeli vähem tundlikuks vähestele muutustele sisendis.

Pärast mitmeid konvolutsiooni- ja pooling-kihte järgnevad tavaliselt täielikult ühendatud kihid, mis vastutavad lõpliku klassifitseerimise või prognoosi eest. CNN-id on olnud erakordselt edukad mitmesugustes ülesannetes, sealhulgas pildiklassifitseerimine, objektide tuvastamine, pildisegmenteerimine ja näotuvastus. Nende võime õppida hierarhilisi tunnuseid otse toorandmetest on teinud neist valdkonna juhtiva tehnoloogia.