Konvoluutiokerrokset

Konvoluutiokerrokset ovat neuroverkkojen perusrakennusosia, joita käytetään laajalti erityisesti kuvankäsittelytehtävissä, kuten kuvantunnistuksessa. Ne toimivat soveltamalla konvoluutio-operaatiota syöttödataan. Tämä operaatio hyödyntää pieniä suodattimia eli ytimiä, jotka liukuvat syöttödatan yli ja laskevat pistetulon jokaisessa sijainnissa. Suodattimet on opetettu tunnistamaan tiettyjä piirteitä syötteestä, kuten reunoja, kulmia tai kuvioita.

Konvoluutiokerroksen tuloksena syntyy aktivaatiokartta, joka edustaa tunnistettujen piirteiden esiintymistä syöttödatassa. Kerroksen painot eli suodattimien arvot opitaan harjoitusprosessin aikana käyttäen takaisinpropagointia ja gradienttilaskentaa. Tavoitteena on minimoida virhe tunnistustehtävässä. Konvoluutiokerrokset pystyvät automaattisesti oppimaan hierarkkisia piirteitä, joista matalan tason kerrokset tunnistavat yksinkertaisia piirteitä ja korkeamman tason kerrokset yhdistelevät näitä monimutkaisemmiksi kokonaisuuksiksi.

Tällainen arkkitehtuuri tekee konvoluutiokerroksista tehokkaita käsittelemään tilallista dataa, kuten kuvia, koska ne hyödyntävät datan paikallista rakennetta ja toistuvia piirteitä. Konvoluutiokerroksia seuraa usein aktivaatiofunktio, kuten ReLU (Rectified Linear Unit), ja mahdollisesti alaskytkentäkerros (pooling layer), joka pienentää aktivaatiokartan kokoa ja tekee mallista robustimman pienille muutoksille syötteessä.