Konvoluční neuronová síť | AI slovník

Odborná definice

Convolutional neural network je neuronová architektura, která používá zdielané konvolučné filtry na zpracování lokálních vzorů v mriežkových datech, zejména obrazech. Filtr se posouvá po vstupe a vytváří feature mapu, díky čomu stejný detektor hrany nebo textúry funguje na různých pozíciách. Vrstvy postupně skladají lokálně příznaky do komplexnejších reprezentací a mohou používat pooling, stride, dilation či reziduální bloky. CNN poskytuje silný induktívny bias pro lokalitu a translaci, ale její výkon stále závisí na dat, měřítka a cílové úlohy.

Srozumitelné vysvětlení

Místo samostatného učení vzoru pro každý pixel používá CNN malý filtr, který prochází celým obrázkom. Ten jistý filtr může najít zvislou hranu vlavo i vpravo. Další vrstva kombinuje hrany na rohy, tvary a nakoniec části objektu. Sdílení váh výrazně snižuje počet parametrů oproti plne prepojenej síti. Model však není automaticky odolný vůči lubovolnému otočení, změně měřítka nebo novému typu kamery. Tyto vlastnosti se podporují daty, augmentací a návrhom architektury.

Časté otázky

Co je kernel nebo konvolučný filtr?

Malá matice naučitelných váh, která se aplikuje na lokálně okno vstupu. Výsledkem je aktivace vyjadrujúca shodu s naučeným vzorom. Hlbšia vrstva má filtry nad více kanálmi a vytváří nové feature maps.

Na co slouží stride?

Určuje, o kolik pozic se filtr posune. Větší stride zmenší prostorové rozlišení a výpočet, ale může stratit jemné detaily. Jeho efekt se podobá downsamplingu a musí odpovídat minimálnej velikosti důležitého objektu.

Co dělá padding?

Přidá hodnoty okolo okraja vstupu, aby filtr mohl zpracovat i hraniční pixely a aby se riadila velikost výstupu. Zero padding je běžný, ale na okrajoch vytváří umelý kontext. Jiné úlohy mohou použít reflection nebo valid režim.

Jsou CNN nahradené vision transformermi?

Ne zcela. Vision transformery jsou silné při velkých datech a globálnych vzťahoch, CNN zůstávají efektivně v mnoha mobilných, priemyselných a menších úlohách. Moderní architektury často kombinují konvolúce s attention nebo používají podobné návrhové princípy.

Jako zjistit, co CNN používá při rozhodnutí?

Vizualizace aktivací, saliency mapy nebo Grad-CAM mohou ukázat citlivé oblasti. Nejsou však dokonalým kauzálnym vysvětlením a mohou být nestabilní. Ověření zahrnuje oklúzne testy, kontrafaktuální změny obrazu a doménovou kontrolu.

Související pojmy

Zdroje a redakční stopa

LeCun, Bottou, Bengio a Haffner, Gradient-Based Learning Applied to Document Recognition
Google Machine Learning Glossary

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.