Convolutional neural network (CNN): បង្រៀនកុំព្យូទ័រពីរបៀបមើល

• អ្នកនិពន្ធ:
• ឈ្មោះអ្នកនិពន្ធ

  ការទស្សន៍ទាយ Quantumrun
• ខែ​ធ្នូ 1​, 2023

សង្ខេបការយល់ដឹង

Convolutional Neural Networks (CNNs) គឺជាចំណុចសំខាន់ក្នុងការចាត់ថ្នាក់រូបភាព និងចក្ខុវិស័យកុំព្យូទ័រ ដោយបំប្លែងពីរបៀបដែលម៉ាស៊ីនកំណត់អត្តសញ្ញាណ និងយល់ពីទិន្នន័យដែលមើលឃើញ។ ពួកវាធ្វើត្រាប់តាមចក្ខុវិស័យរបស់មនុស្ស ដំណើរការរូបភាពតាមរយៈ convolutional, pooling និងស្រទាប់ដែលភ្ជាប់យ៉ាងពេញលេញសម្រាប់ការទាញយក និងវិភាគលក្ខណៈពិសេស។ CNNs មានកម្មវិធីចម្រុះ រួមទាំងការលក់រាយសម្រាប់ការណែនាំផលិតផល យានយន្តសម្រាប់ការកែលម្អសុវត្ថិភាព ការថែទាំសុខភាពសម្រាប់ការរកឃើញដុំសាច់ និងបច្ចេកវិទ្យាសម្គាល់មុខ។ ការប្រើប្រាស់របស់ពួកគេពង្រីកដល់ការវិភាគឯកសារ ពន្ធុវិទ្យា និងការវិភាគរូបភាពផ្កាយរណប។ ជាមួយនឹងការកើនឡើងនៃការធ្វើសមាហរណកម្មរបស់ពួកគេទៅក្នុងវិស័យផ្សេងៗ CNNs លើកឡើងពីកង្វល់ខាងសីលធម៌ ជាពិសេសទាក់ទងនឹងបច្ចេកវិទ្យាសម្គាល់មុខ និងឯកជនភាពទិន្នន័យ ដោយបញ្ជាក់ពីតម្រូវការសម្រាប់ការពិចារណាយ៉ាងប្រុងប្រយ័ត្នលើការដាក់ពង្រាយរបស់ពួកគេ។

បរិបទបណ្តាញសរសៃប្រសាទ Convolutional (CNN)

CNNs គឺជាគំរូសិក្សាដ៏ស៊ីជម្រៅមួយដែលត្រូវបានបំផុសគំនិតដោយរបៀបដែលមនុស្ស និងសត្វប្រើភ្នែករបស់ពួកគេដើម្បីកំណត់អត្តសញ្ញាណវត្ថុ។ កុំព្យូទ័រមិនមានសមត្ថភាពនេះ; នៅពេលដែលពួកគេ "មើល" រូបភាពមួយ វាត្រូវបានបកប្រែទៅជាលេខ។ ដូច្នេះ CNNs ត្រូវបានសម្គាល់ពីបណ្តាញសរសៃប្រសាទផ្សេងទៀតដោយសមត្ថភាពកម្រិតខ្ពស់របស់ពួកគេសម្រាប់ការវិភាគទិន្នន័យសញ្ញារូបភាព និងសំឡេង។ ពួកវាត្រូវបានរចនាឡើងដើម្បីរៀនតាមឋានានុក្រមលំហនៃលក្ខណៈពិសេសដោយស្វ័យប្រវត្ត និងសម្របខ្លួន ពីគំរូកម្រិតទាបទៅកម្រិតខ្ពស់។ CNNs អាចជួយកុំព្យូទ័រក្នុងការទទួលបានភ្នែក "មនុស្ស" និងផ្តល់ឱ្យវានូវចក្ខុវិស័យកុំព្យូទ័រ ដែលអនុញ្ញាតឱ្យវាស្រូបយកភីកសែល និងលេខទាំងអស់ដែលវាមើលឃើញ និងជួយក្នុងការសម្គាល់រូបភាព និងការចាត់ថ្នាក់។ 

ConvNets អនុវត្តមុខងារធ្វើឱ្យសកម្មនៅក្នុងផែនទីលក្ខណៈពិសេសដើម្បីជួយម៉ាស៊ីនក្នុងការកំណត់អ្វីដែលវាឃើញ។ ដំណើរការនេះត្រូវបានបើកដោយស្រទាប់សំខាន់ៗចំនួនបី៖ ស្រទាប់ convolutional ការដាក់បញ្ចូលគ្នា និងស្រទាប់ដែលតភ្ជាប់យ៉ាងពេញលេញ។ ពីរដំបូង (convolutional and pooling) អនុវត្តការទាញយកទិន្នន័យ ខណៈពេលដែលស្រទាប់ដែលបានតភ្ជាប់យ៉ាងពេញលេញបង្កើតលទ្ធផល ដូចជាការចាត់ថ្នាក់។ ផែនទីលក្ខណៈពិសេសត្រូវបានផ្ទេរពីស្រទាប់មួយទៅស្រទាប់មួយរហូតដល់កុំព្យូទ័រអាចមើលឃើញរូបភាពទាំងមូល។ CNNs ត្រូវបានផ្តល់ព័ត៌មានឱ្យបានច្រើនតាមដែលអាចធ្វើទៅបាន ដើម្បីស្វែងរកលក្ខណៈផ្សេងៗ។ ដោយប្រាប់កុំព្យូទ័រឱ្យរកមើលគែម និងបន្ទាត់ ម៉ាស៊ីនទាំងនេះរៀនពីរបៀបកំណត់រូបភាពយ៉ាងឆាប់រហ័ស និងត្រឹមត្រូវក្នុងអត្រាដែលមិនអាចទៅរួចសម្រាប់មនុស្ស។

ផលប៉ះពាល់រំខាន

ខណៈពេលដែល CNNs ត្រូវបានប្រើជាទូទៅបំផុតសម្រាប់ការទទួលស្គាល់រូបភាព និងកិច្ចការចាត់ថ្នាក់ ពួកវាក៏អាចត្រូវបានប្រើសម្រាប់ការរកឃើញ និងការបែងចែកផងដែរ។ ជាឧទាហរណ៍ នៅក្នុងការលក់រាយ CNNs អាចស្វែងរកដោយមើលឃើញដើម្បីកំណត់អត្តសញ្ញាណ និងណែនាំរបស់របរដែលបំពេញបន្ថែមតុរប្យួរខោអាវដែលមានស្រាប់។ នៅក្នុងរថយន្ត បណ្តាញទាំងនេះអាចប្រុងប្រយ័ត្នចំពោះការផ្លាស់ប្តូរស្ថានភាពផ្លូវ ដូចជាការរកឃើញខ្សែបន្ទាត់ផ្លូវ ដើម្បីបង្កើនសុវត្ថិភាព។ នៅក្នុងការថែទាំសុខភាព CNNs ត្រូវបានប្រើដើម្បីកំណត់អត្តសញ្ញាណដុំសាច់មហារីកបានប្រសើរជាងមុនដោយការបែងចែកកោសិកាដែលខូចទាំងនេះចេញពីសរីរាង្គដែលមានសុខភាពល្អនៅជុំវិញពួកគេ។ ទន្ទឹមនឹងនេះ ទូរទស្សន៍ CNNs បានធ្វើឱ្យប្រសើរឡើងនូវបច្ចេកវិទ្យាសម្គាល់មុខ ដោយអនុញ្ញាតឱ្យវេទិកាប្រព័ន្ធផ្សព្វផ្សាយសង្គមកំណត់អត្តសញ្ញាណមនុស្សនៅក្នុងរូបថត និងផ្តល់ការណែនាំអំពីការដាក់ស្លាក។ (ទោះជាយ៉ាងនេះក្តី Facebook បានសម្រេចចិត្តបញ្ឈប់មុខងារនេះនៅឆ្នាំ 2021 ដោយលើកឡើងពីកង្វល់ខាងសីលធម៌ដែលកំពុងកើនឡើង និងគោលនយោបាយបទប្បញ្ញត្តិមិនច្បាស់លាស់លើការប្រើប្រាស់បច្ចេកវិទ្យានេះ)។ 

ការវិភាគឯកសារក៏អាចធ្វើឱ្យប្រសើរឡើងជាមួយ CNNs ផងដែរ។ ពួកគេអាចផ្ទៀងផ្ទាត់ការងារដែលសរសេរដោយដៃ ប្រៀបធៀបវាទៅនឹងមូលដ្ឋានទិន្នន័យនៃខ្លឹមសារដែលសរសេរដោយដៃ បកស្រាយពាក្យ និងច្រើនទៀត។ ពួកគេអាចស្កេនឯកសារដែលសរសេរដោយដៃដែលសំខាន់សម្រាប់ធនាគារ និងហិរញ្ញវត្ថុ ឬការចាត់ថ្នាក់ឯកសារសម្រាប់សារមន្ទីរ។ នៅក្នុងពន្ធុវិទ្យា បណ្តាញទាំងនេះអាចវាយតម្លៃវប្បធម៌កោសិកាសម្រាប់ការស្រាវជ្រាវជំងឺដោយការពិនិត្យមើលរូបភាព និងការធ្វើផែនទី និងការវិភាគព្យាករណ៍ ដើម្បីជួយអ្នកជំនាញផ្នែកវេជ្ជសាស្រ្ដក្នុងការអភិវឌ្ឍការព្យាបាលប្រកបដោយសក្តានុពល។ ជាចុងក្រោយ ស្រទាប់ convolutional អាចជួយក្នុងការចាត់ថ្នាក់រូបភាពផ្កាយរណប និងកំណត់អត្តសញ្ញាណយ៉ាងឆាប់រហ័សនូវអ្វីដែលជារូបភាព ដែលអាចជួយក្នុងការរុករកអវកាស។

កម្មវិធីនៃបណ្តាញសរសៃប្រសាទ convolutional (CNN)

កម្មវិធីមួយចំនួននៃបណ្តាញសរសៃប្រសាទ convolutional (CNN) អាចរួមមាន: 

• ការប្រើប្រាស់កើនឡើងក្នុងការធ្វើរោគវិនិច្ឆ័យថែទាំសុខភាព រួមទាំងវិទ្យុសកម្ម កាំរស្មីអ៊ិច និងជំងឺហ្សែន។
• ការប្រើប្រាស់ CNNs ដើម្បីចាត់ថ្នាក់រូបភាពដែលបានផ្សាយចេញពីយានអវកាស និងស្ថានីយ៍ និងយានរុករកព្រះច័ន្ទ។ ភ្នាក់ងារការពារអាចអនុវត្ត CNNs ទៅនឹងផ្កាយរណបឃ្លាំមើល និងយន្តហោះគ្មានមនុស្សបើក ដើម្បីកំណត់អត្តសញ្ញាណស្វយ័ត និងការវាយតម្លៃលើការគំរាមកំហែងផ្នែកសន្តិសុខ ឬយោធា។
• បច្ចេកវិទ្យាសម្គាល់តួអក្សរអុបទិកប្រសើរឡើងសម្រាប់អត្ថបទដែលសរសេរដោយដៃ និងការសម្គាល់រូបភាព។
• ធ្វើឱ្យប្រសើរឡើងនូវកម្មវិធីតម្រៀបមនុស្សយន្តនៅក្នុងឃ្លាំង និងកន្លែងកែច្នៃឡើងវិញ។
• ការប្រើប្រាស់របស់ពួកគេក្នុងការចាត់ថ្នាក់ឧក្រិដ្ឋជន និងបុគ្គលដែលចាប់អារម្មណ៍ពីកាមេរ៉ាឃ្លាំមើលទីក្រុង ឬខាងក្នុង។ ទោះយ៉ាងណាក៏ដោយ វិធីសាស្រ្តនេះអាចមានភាពលំអៀង។
• ក្រុមហ៊ុនកាន់តែច្រើនកំពុងត្រូវបានចោទសួរអំពីការប្រើប្រាស់បច្ចេកវិទ្យាសម្គាល់មុខរបស់ពួកគេ រួមទាំងរបៀបដែលពួកគេកំពុងប្រមូល និងប្រើប្រាស់ទិន្នន័យ។

សំណួរដើម្បីផ្តល់យោបល់

• តើអ្នកគិតថា CNNs អាចកែលម្អចក្ខុវិស័យកុំព្យូទ័រ និងរបៀបដែលយើងប្រើវាជារៀងរាល់ថ្ងៃ?
• តើអ្វីទៅជាអត្ថប្រយោជន៍ដែលអាចកើតមានផ្សេងទៀតនៃការទទួលស្គាល់រូបភាព និងចំណាត់ថ្នាក់កាន់តែប្រសើរ?