konvolutsioonivõrgu

Konvolutsioonivõrk, tuntud ka kui CNN (Convolutional Neural Network) või ConvNet, on teatud tüüpi süvaõppe närvivõrk, mis on eriti tõhus pilditöötlusülesannete lahendamisel. Nende arhitektuur on inspireeritud bioloogilisest nägemisest, kus individuaalsed neuronid reageerivad konkreetsetele stimulatsioonipiirkondadele, mida nimetatakse retseptiivseteks väljadeks. Konvolutsioonivõrgud kasutavad seda põhimõtet, et automaatselt ja adaptiivselt õppida ruumilisi hierarhiaid andmetest, alustades üksikutest pikslitest ja laienedes järjest keerukamateks tunnusteks.

Peamised komponendid konvolutsioonivõrgus on konvolutsioonikihid, aktiveerimisfunktsioonid (sageli ReLU), puhverkihid (pooling layers) ja täielikult ühendatud kihid (fully connected layers). Konvolutsioonikihid rakendavad filtreid (tuntud ka kui tuumad), mis skaneerivad sisendandmeid, et tuvastada spetsiifilisi tunnuseid, nagu servad, nurgad või tekstuurid. Puhverkihte kasutatakse andmete ruumilise suuruse vähendamiseks, mis aitab vähendada arvutuskoormust ja muuta mudeli vähem tundlikuks pisimatele nihketele sisendis. Täielikult ühendatud kihid võrgu lõpus kasutavad õpitud tunnuseid lõpliku klassifitseerimise või prognoosi tegemiseks.

CNN-e kasutatakse laialdaselt erinevates rakendustes, sealhulgas pildiklassifitseerimine, objekti tuvastamine, pildisegmentatsioon, näotuvastus ja isegi loomuliku keele töötlemise ülesannetes, kus tekstisalvestust saab töödelda sarnaselt piltidega. Nende võime automaatselt õppida keerulisi tunnuseid ilma käsitsi tunnuste väljalukuta muudab nad väga võimsaks tööriistaks mitmesuguste andmetöötlusprobleemide lahendamisel.