konvoluutioneuroverkkeihin

Konvoluutioneuroverkko (CNN) on syväoppimisen neuroverkkojen luokka, jota käytetään erityisesti kuvantunnistukseen ja käsittelyyn. CNN:t ovat saaneet inspiraationsa biologisesta näköaistimuksesta, jossa neuronit reagoivat tiettyihin ärsykkeisiin visuaalisessa kentässä. Tämä arkkitehtuuri mahdollistaa automaattisen ja hierarkkisen piirteiden oppimisen suoraan datasta.

CNN:ien keskeisiä kerroksia ovat konvoluutio- eli suodatuskerrokset, poolauskerrokset ja täysin kytketyt kerrokset. Konvoluutiokerrokset soveltavat suodattimia kuvan eri osiin luodakseen piirrekarttoja. Nämä suodattimet oppivat tunnistamaan matalan tason piirteitä, kuten reunoja ja kulmia, ja korkeamman tason kerrokset yhdistävät näitä tunnistaakseen monimutkaisempia kuvioita, kuten muotoja ja esineitä. Poolauskerrokset vähentävät piirrekarttojen ulottuvuutta, mikä tekee mallista tehokkaamman ja vähemmän alttiin ylisovitukselle. Täysin kytketyt kerrokset puolestaan käyttävät opittuja piirteitä luokittelutehtävien suorittamiseen.

CNN:t ovat osoittautuneet erittäin menestyksekkäiksi monenlaisissa tehtävissä, kuten kuvien luokittelussa, esineiden tunnistuksessa, segmentoinnissa ja kasvojentunnistuksessa. Niiden kyky oppia automaattisesti relevantteja piirteitä datasta on tehnyt niistä standardin kuvanlaatuisten tehtävien käsittelyssä.