Rhwydwaith niwral convolutional (CNN): Dysgu cyfrifiaduron sut i weld

• Awdur:
• enw awdur

  Rhagolwg Quantumrun
• Rhagfyr 1, 2023

Crynodeb mewnwelediad

Mae Rhwydweithiau Niwral Convolutional (CNNs) yn ganolog i ddosbarthu delweddau a gweledigaeth gyfrifiadurol, gan drawsnewid sut mae peiriannau'n adnabod ac yn deall data gweledol. Maent yn dynwared gweledigaeth ddynol, gan brosesu delweddau trwy haenau convolutional, cronni a chysylltiedig ar gyfer echdynnu a dadansoddi nodweddion. Mae gan CNNs gymwysiadau amrywiol, gan gynnwys manwerthu ar gyfer argymhellion cynnyrch, modurol ar gyfer gwelliannau diogelwch, gofal iechyd ar gyfer canfod tiwmor, a thechnoleg adnabod wynebau. Mae eu defnydd yn ymestyn i ddadansoddi dogfennau, geneteg, a dadansoddi delweddau lloeren. Gyda'u hintegreiddiad cynyddol i wahanol sectorau, mae CNNs yn codi pryderon moesegol, yn enwedig o ran technoleg adnabod wynebau a phreifatrwydd data, gan amlygu'r angen i ystyried eu defnydd yn ofalus.

Cyd-destun rhwydwaith niwral convolutional (CNN).

Mae CNNs yn fodel dysgu dwfn a ysbrydolwyd gan sut mae bodau dynol ac anifeiliaid yn defnyddio eu llygaid i adnabod gwrthrychau. Nid oes gan gyfrifiaduron y gallu hwn; pan fyddant yn “gweld” delwedd, mae'n cael ei chyfieithu'n ddigidau. Felly, mae CNNs yn cael eu gwahaniaethu oddi wrth rwydweithiau niwral eraill oherwydd eu galluoedd uwch ar gyfer dadansoddi data delwedd a signal sain. Maent wedi'u cynllunio i ddysgu hierarchaeth nodweddion gofodol yn awtomatig ac yn addasol, o batrymau lefel isel i lefel uchel. Gall CNNs gynorthwyo cyfrifiadur i gaffael llygaid “dynol” a darparu gweledigaeth gyfrifiadurol iddo, gan ganiatáu iddo amsugno'r holl bicseli a rhifau y mae'n eu gweld a chynorthwyo i adnabod a dosbarthu delweddau. 

Mae ConvNets yn gweithredu swyddogaethau actifadu mewn map nodwedd i gynorthwyo'r peiriant i benderfynu beth mae'n ei weld. Galluogir y broses hon gan dair prif haen: yr haenau convolutional, y cronni, a'r haenau sydd wedi'u cysylltu'n llawn. Mae'r ddau gyntaf (convolutional a chyfuno) yn perfformio'r echdynnu data, tra bod yr haen gwbl gysylltiedig yn cynhyrchu allbwn, megis dosbarthiad. Mae'r map nodwedd yn cael ei drosglwyddo o haen i haen nes bod y cyfrifiadur yn gallu gweld y llun cyfan. Rhoddir cymaint o wybodaeth â phosibl i CNNs i ganfod nodweddion gwahanol. Trwy ddweud wrth gyfrifiaduron i chwilio am ymylon a llinellau, mae'r peiriannau hyn yn dysgu sut i adnabod delweddau yn gyflym ac yn gywir ar gyfraddau sy'n amhosibl i bobl.

Effaith aflonyddgar

Er bod CNNs yn cael eu defnyddio amlaf ar gyfer tasgau adnabod delweddau a dosbarthu, gellir eu defnyddio hefyd ar gyfer canfod a segmentu. Er enghraifft, mewn manwerthu, gall CNNs chwilio'n weledol i nodi ac argymell eitemau sy'n ategu cwpwrdd dillad sy'n bodoli eisoes. Mewn modurol, gall y rhwydweithiau hyn gadw llygad am newidiadau mewn amodau ffyrdd fel canfod llinellau lôn i wella diogelwch. Mewn gofal iechyd, defnyddir CNNs i adnabod tiwmorau canseraidd yn well trwy segmentu'r celloedd difrodi hyn o'r organau iach o'u cwmpas. Yn y cyfamser, mae CNNs wedi gwella technoleg adnabod wynebau, gan ganiatáu i lwyfannau cyfryngau cymdeithasol adnabod pobl mewn lluniau a rhoi argymhellion tagio. (Fodd bynnag, mae Facebook wedi penderfynu atal y nodwedd hon yn 2021, gan nodi pryderon moesegol cynyddol a pholisïau rheoleiddio aneglur ar ddefnyddio'r dechnoleg hon). 

Gall dadansoddi dogfennau hefyd wella gyda CNNs. Gallant wirio gwaith mewn llawysgrifen, ei gymharu â chronfa ddata o gynnwys mewn llawysgrifen, dehongli'r geiriau, a mwy. Gallant sganio papurau mewn llawysgrifen sy'n hanfodol ar gyfer bancio a chyllid neu ddosbarthu dogfennau ar gyfer amgueddfeydd. Mewn geneteg, gall y rhwydweithiau hyn werthuso diwylliannau celloedd ar gyfer ymchwil i glefydau trwy archwilio lluniau a mapio a dadansoddeg ragfynegol i gynorthwyo arbenigwyr meddygol i ddatblygu triniaethau posibl. Yn olaf, efallai y bydd haenau convolutional yn helpu i gategoreiddio delweddau lloeren a nodi'n gyflym beth ydyn nhw, a all helpu i archwilio'r gofod.

Cymwysiadau rhwydwaith niwral convolutional (CNN)

Gall rhai cymwysiadau rhwydwaith niwral convolutional (CNN) gynnwys: 

• Mwy o ddefnydd mewn diagnosis gofal iechyd, gan gynnwys radioleg, pelydrau-x, a chlefydau genetig.
• Y defnydd o CNNs i ddosbarthu delweddau wedi'u ffrydio o wennol ofod a gorsafoedd, a chrwydriaid lleuad. Gall asiantaethau amddiffyn gymhwyso CNNs i loerennau gwyliadwriaeth a dronau ar gyfer adnabod ac asesu bygythiadau diogelwch neu filwrol yn annibynnol.
• Gwell technoleg adnabod nodau optegol ar gyfer testunau mewn llawysgrifen ac adnabod delweddau.
• Gwell cymwysiadau didoli robotig mewn warysau a chyfleusterau ailgylchu.
• Eu defnydd wrth ddosbarthu troseddwyr a phobl o ddiddordeb o gamerâu gwyliadwriaeth trefol neu fewnol. Fodd bynnag, gall y dull hwn fod yn destun rhagfarnau.
• Mwy o gwmnïau'n cael eu holi am eu defnydd o dechnoleg adnabod wynebau, gan gynnwys sut maen nhw'n casglu ac yn defnyddio'r data.

Cwestiynau i wneud sylwadau arnynt

• Ym mha ffordd arall ydych chi'n meddwl y gall CNNs wella golwg cyfrifiadurol a sut rydyn ni'n ei ddefnyddio bob dydd?
• Beth yw manteision posibl eraill o adnabod a dosbarthu delweddau gwell?