Convolutional Neural Network (CNN): Kompüterlərə görməyi öyrətmək

• Author:
• Author adı

  Quantumrun Uzaqgörməsi
• Dekabr 1, 2023

Anlayış xülasəsi

Konvolutional Neyron Şəbəkələri (CNN) təsvirin təsnifatında və kompüter görməsində əsas rol oynayır, maşınların vizual məlumatları necə müəyyənləşdirdiyini və başa düşməsini dəyişdirir. Onlar insan görmə qabiliyyətini təqlid edir, xüsusiyyətlərin çıxarılması və təhlili üçün bükülmə, birləşən və tam əlaqəli təbəqələr vasitəsilə şəkilləri emal edir. CNN-lər məhsul tövsiyələri üçün pərakəndə satış, təhlükəsizliyin təkmilləşdirilməsi üçün avtomobil, şiş aşkarlanması üçün səhiyyə və üz tanıma texnologiyası daxil olmaqla müxtəlif tətbiqlərə malikdir. Onların istifadəsi sənədlərin təhlili, genetika və peyk görüntülərinin təhlilinə qədər uzanır. Müxtəlif sektorlara artan inteqrasiyası ilə CNN-lər etik narahatlıqları, xüsusən də sifətin tanınması texnologiyası və məlumatların məxfiliyi ilə əlaqədar olaraq onların yerləşdirilməsinin diqqətlə nəzərdən keçirilməsinin zəruriliyini vurğulayır.

Konvolyusiya neyron şəbəkəsi (CNN) konteksti

CNN-lər insanların və heyvanların obyektləri müəyyən etmək üçün gözlərindən necə istifadə etməsindən ilhamlanan dərin öyrənmə modelidir. Kompüterlərdə bu imkan yoxdur; onlar bir şəkilə "baxdıqda" rəqəmlərə çevrilir. Beləliklə, CNN digər neyron şəbəkələrdən təsvir və audio siqnal məlumatlarını təhlil etmək üçün inkişaf etmiş imkanları ilə fərqlənir. Onlar aşağı səviyyədən yüksək səviyyəli nümunələrə qədər funksiyaların məkan iyerarxiyalarını avtomatik və adaptiv şəkildə öyrənmək üçün nəzərdə tutulmuşdur. CNN-lər kompüterə “insan” gözlərini əldə etməkdə kömək edə bilər və onu kompüter görmə qabiliyyəti ilə təmin edə bilər, bu da ona bütün pikselləri və gördükləri rəqəmləri udmağa imkan verir və təsvirin tanınması və təsnifatına kömək edir. 

ConvNets, maşına nə gördüyünü müəyyən etməkdə kömək etmək üçün xüsusiyyət xəritəsində aktivləşdirmə funksiyalarını həyata keçirir. Bu proses üç əsas təbəqə ilə təmin edilir: konvolyusiya, hovuz və tam əlaqəli təbəqələr. İlk ikisi (konvolyusiya və hovuz) məlumatların çıxarılmasını həyata keçirir, tam qoşulmuş təbəqə isə təsnifat kimi çıxış yaradır. Xüsusiyyət xəritəsi kompüter bütün şəkli görənə qədər təbəqədən təbəqəyə ötürülür. Müxtəlif xüsusiyyətləri aşkar etmək üçün CNN-lərə mümkün qədər çox məlumat verilir. Kompüterlərə kənarları və xətləri axtarmağı əmr edərək, bu maşınlar insanlar üçün qeyri-mümkün olan sürətlə və dəqiq təsvirləri müəyyənləşdirməyi öyrənirlər.

Dağıdıcı təsir

CNN-lər ən çox təsvirin tanınması və təsnifat tapşırıqları üçün istifadə edilsə də, aşkarlama və seqmentləşdirmə üçün də istifadə edilə bilər. Məsələn, pərakəndə satışda CNN-lər mövcud qarderobu tamamlayan əşyaları müəyyən etmək və tövsiyə etmək üçün vizual olaraq axtarış edə bilərlər. Avtomobildə bu şəbəkələr təhlükəsizliyi artırmaq üçün zolaq xəttinin aşkarlanması kimi yol şəraitindəki dəyişikliklərə diqqət yetirə bilər. Səhiyyədə CNN-lər bu zədələnmiş hüceyrələri ətrafdakı sağlam orqanlardan bölməklə xərçəng şişlərini daha yaxşı müəyyən etmək üçün istifadə olunur. Bu arada, CNN-lər sifətin tanınması texnologiyasını təkmilləşdirərək sosial media platformalarına fotoşəkillərdəki insanları tanımağa və etiketləmə tövsiyələri verməyə imkan verdi. (Lakin Facebook artan etik narahatlıqları və bu texnologiyadan istifadə ilə bağlı qeyri-müəyyən tənzimləyici siyasətləri əsas gətirərək bu funksiyanı 2021-ci ildə dayandırmaq qərarına gəlib). 

Sənəd təhlili də CNN-lərlə təkmilləşə bilər. Onlar əlyazma əsərini yoxlaya, onu əlyazma məzmunun verilənlər bazası ilə müqayisə edə, sözləri şərh edə və s. Onlar muzeylər üçün bank və maliyyə və ya sənədlərin təsnifatı üçün kritik olan əlyazma sənədlərini skan edə bilərlər. Genetikada bu şəbəkələr tibbi ekspertlərə potensial müalicələri inkişaf etdirməyə kömək etmək üçün şəkilləri, xəritələri və proqnozlaşdırıcı analitikləri araşdıraraq xəstəlik tədqiqatı üçün hüceyrə mədəniyyətlərini qiymətləndirə bilər. Nəhayət, konvolyusiya təbəqələri peyk şəkillərinin kateqoriyalara bölünməsinə və onların nə olduğunu sürətlə müəyyən etməyə kömək edə bilər ki, bu da kosmosun tədqiqinə kömək edə bilər.

Konvolutional Neyron Şəbəkəsinin (CNN) tətbiqləri

Konvolutional neyron şəbəkəsinin (CNN) bəzi tətbiqləri bunlara aid ola bilər: 

• Radiologiya, rentgenoqrafiya və genetik xəstəliklər də daxil olmaqla, səhiyyə diaqnozlarında istifadənin artması.
• Kosmik gəmilərdən və stansiyalardan və ay roverlərindən axın görüntülərini təsnif etmək üçün CNN-lərin istifadəsi. Müdafiə agentlikləri təhlükəsizlik və ya hərbi təhdidlərin avtonom identifikasiyası və qiymətləndirilməsi üçün CNN-ləri müşahidə peyklərinə və dronlara tətbiq edə bilər.
• Əl yazısı mətnlər və təsvirin tanınması üçün təkmilləşdirilmiş optik xarakter tanıma texnologiyası.
• Anbarlarda və təkrar emal müəssisələrində təkmilləşdirilmiş robot çeşidləmə tətbiqləri.
• Onların şəhər və ya daxili müşahidə kameralarından cinayətkarların və maraq kəsb edən şəxslərin təsnifatında istifadəsi. Bununla belə, bu üsul qərəzlərə məruz qala bilər.
• Daha çox şirkət üz tanıma texnologiyasından, o cümlədən məlumatların necə toplanması və istifadəsi ilə bağlı sorğu-sual olunur.

Şərh etmək üçün suallar

• Sizcə, CNN-lər kompüter görmə qabiliyyətini və ondan gündəlik istifadəmizi necə yaxşılaşdıra bilər?
• Təsvirin daha yaxşı tanınması və təsnifləşdirilməsinin digər mümkün faydaları hansılardır?