Konvolutsioonvõrke

Konvolutsioonvõrgud, tuntud ka kui CNN-id (Convolutional Neural Networks), on teatud tüüpi süvaõppevõrgud, mis on eriti tõhusad pildi- ja videote töötlemisel. Nende arhitektuur jäljendab osaliselt inimkonna visuaalset ajukoort, kus spetsiifilised neuronid reageerivad konkreetsetele visuaalsetele tunnustele, nagu servad või nurkad. Konvolutsioonvõrkude peamine erinevus traditsioonilistest närvivõrkudest seisneb konvolutsioonikihtide olemasolus. Need kihid rakendavad filtreid (tuntud ka kui tuumad) sisendandmetele, et eraldada olulisi tunnuseid. Iga filter liigub sisendandmete üle ja teostab punkt-punkti korrutamise ning liitmise, luues tunnuskaardi (feature map), mis näitab, kus antud tunnus sisendis esineb.

Pärast konvolutsioonikihte järgnevad tavaliselt piiritlemiskihtide (pooling layers) kihid. Piiritlemine vähendab tunnuskaartide ruumilist suurust, säilitades samal ajal kõige olulisemad tunnused ja vähendades võrgu arvutuslikku keerukust. Levinumad piiritlemisoperatsioonid on maks-piiritlemine (max-pooling) ja keskmise piiritlemine (average-pooling). Lõpuks, et teha lõplikke otsuseid, on võrgu lõpus täielikult ühendatud kihid (fully connected layers). Need kihid võtavad kokku eelnevate kihtide poolt ekstraheeritud tunnused ja kasutavad neid klassifitseerimis- või regressioonülesande täitmiseks. Konvolutsioonvõrgud on leidnud laialdast kasutust piltide klassifitseerimises, objektide tuvastamises, meditsiinilises pildianalüüsis ja paljudes teistes valdkondades, kus visuaalse teabe analüüs on kriitilise tähtsusega.