Inoiz galdetu al duzu nola dakien auto gidatzen duen auto batek noiz gelditu behar duen semaforo gorri batean edo nola zure telefonoak zure aurpegia identifikatu dezakeen?
Hor sartzen da Sare Neural Konvoluzionala edo CNN laburbilduz.
CNN bat irudiak azter ditzakeen giza garunaren parekoa da haietan zer gertatzen den zehazteko. Sare hauek gizakiak ahaztuko lituzkeen gauzak ere hauteman ditzakete!
Post honetan, CNN-n aztertuko dugu ikaskuntza sakona testuingurua. Ea zer eskaintzen digun eremu zirraragarri honek!
Zer da Deep Learning?
Ikasketa sakona moduko bat da adimen artifizialeko. Ordenagailuak ikasteko aukera ematen du.
Ikaskuntza sakona datuak prozesatzen ditu eredu matematiko konplikatuak erabiliz. Beraz, ordenagailu batek ereduak detektatu eta datuak sailkatu ditzake.
Adibide askorekin entrenatu ondoren, erabakiak ere har ditzake.
Zergatik interesatzen zaizkigu CNNak Deep Learning-en?
Sare neuronal konboluzionalak (CNN) ikaskuntza sakonaren osagai garrantzitsu bat dira.
Ordenagailuei argazkiak eta bestelakoak ulertzeko aukera ematen diete ikusizko datuak. Ordenagailuak treba ditzakegu ereduak detektatzeko eta objektuak identifikatzeko "ikusten" dutenaren arabera, CNNak ikaskuntza sakonean erabiliz.
CNNek ikaskuntza sakonaren begi gisa jokatzen dute, ordenagailuei ingurunea ulertzen laguntzen!
Garunaren arkitekturan inspirazioa
CNN-ek garunak informazioa interpretatzen duen moduan hartzen dute inspirazioa. CNNetan neurona artifizialek edo nodoek sarrerak onartzen dituzte, prozesatzen dituzte eta emaitza irteera gisa ematen dute, garuneko neuronek gorputz osoan egiten duten moduan.
Sarrerako geruza
Estandar baten sarrera-geruza sare neural sarrerak matrize moduan jasotzen ditu, adibidez, irudi-pixelak. CNNetan, argazki bat ematen da sarrerako geruzan sarrera gisa.
Ezkutuko geruzak
CNNetan ezkutuko hainbat geruza daude, matematika erabiltzen dutenak argazkitik ezaugarriak ateratzeko. Hainbat geruza mota daude, guztiz lotuak, zuzentutako unitate linealak, bilketa eta konboluzio geruzak barne.
Biribilketa-geruza
Sarrerako irudi batetik ezaugarriak ateratzeko lehen geruza konboluzio geruza da. Sarrerako irudia iragazkia jasaten da, eta emaitza irudiaren funtsezko elementuak nabarmentzen dituen ezaugarri-mapa bat da.
Geroago biltzea
Bilketa-geruza ezaugarrien maparen tamaina txikitzeko erabiltzen da. Sarrerako irudiaren kokapena aldatzeko ereduaren erresistentzia indartzen du.
Unitate lineal geruza zuzendua (ReLU)
ReLU geruza ereduari ez-linealtasuna emateko erabiltzen da. Aurreko geruzaren irteera geruza honek aktibatzen du.
Erabat konektatutako geruza
Erabat konektatutako geruzak elementua sailkatzen du eta ID bakarra esleitzen dio irteerako geruzan guztiz konektatuta dagoen geruza.
CNNak Feedforward sareak dira
Datuak sarreretatik irteeretara soilik igarotzen dira modu batean. Haien arkitektura garunaren ikusmen-kortexean inspiratuta dago, oinarrizko eta sofistikatuen geruza txandakatuz osatuta dagoena.
Nola entrenatzen dira CNNak?
Kontuan izan ordenagailu bati katu bat identifikatzen irakasten saiatzen ari zarela.
Katuen irudi asko bistaratzen dizkiozu "Hemen katu bat" esaten duzun bitartean. Katuen irudi nahikoa ikusi ondoren, ordenagailua belarri zorrotzak eta biboteak bezalako ezaugarriak ezagutzen hasten da.
CNN-k funtzionatzeko modua nahiko antzekoa da. Ordenagailuan hainbat argazki agertzen dira, eta irudi bakoitzeko gauzen izenak ematen dira.
Hala ere, CNN-k irudiak zati txikiagotan banatzen ditu, eskualdeetan adibidez. Eta, eskualde horietako ezaugarriak identifikatzen ikasten du, irudiak osotasunean ikusi beharrean.
Beraz, CNNren hasierako geruzak ertzak edo ertzak bezalako oinarrizko ezaugarriak soilik hauteman ditzake. Ondoren, hurrengo geruza horretan oinarritzen da forma edo ehundura bezalako ezaugarri zehatzagoak ezagutzeko.
Geruzek ezaugarri horiek doitzen eta hobetzen jarraitzen dute ordenagailuak irudi gehiago ikusten dituen heinean. Aurrera doa, trebatu dena identifikatzen oso trebea izan arte, katuak, aurpegiak edo beste edozer.
Ikaskuntza sakoneko tresna indartsua: CNNek nola eraldatu zuten irudien aitorpena
Irudietan ereduak identifikatuz eta zentzua emanez, CNNek irudien ezagutza eraldatu dute. Zehaztasun maila handiko emaitzak ematen dituztenez, CNNak irudiak sailkatzeko, berreskuratzeko eta detektatzeko aplikazioetarako arkitektura eraginkorrena dira.
Sarritan emaitza bikainak ematen dituzte. Eta argazkietan objektuak zehatz-mehatz identifikatzen eta identifikatzen dituzte mundu errealeko aplikazioetan.
Irudi baten edozein zatitan ereduak aurkitzea
Irudi batean eredu bat non agertzen den edozein dela ere, CNNak hura ezagutzeko diseinatuta daude. Irudi bateko edozein tokitatik automatikoki atera ditzakete ikusizko ezaugarriak.
Hori posible da "bariantza espaziala" izenez ezagutzen den gaitasunari esker. Prozesua sinplifikatuz, CNNek argazkietatik zuzenean ikas dezakete giza ezaugarriak atera beharrik gabe.
Prozesatzeko abiadura gehiago eta erabilitako memoria gutxiago
CNNek irudiak prozesu tradizionalek baino azkarrago eta eraginkorrago prozesatzen dituzte. Hau bilketa-geruzen ondorioa da, irudi bat prozesatzeko beharrezkoak diren parametro kopurua murrizten dutenak.
Horrela, memoriaren erabilera eta prozesatzeko kostuak murrizten dituzte. Arlo askotan CNNak erabiltzen dituzte, esaterako; aurpegi aitorpena, bideoen kategorizazioa eta irudien analisia. Ohituta ere badaude galaxiak sailkatu.
Bizitza errealeko adibideak
Google Pictures Mundu errealeko CNNen erabilera bat da, irudietan pertsonak eta objektuak identifikatzeko erabiltzen dituena. Gainera, Azure Amazon CNNak erabiliz objektuak etiketatzen eta identifikatzen dituzten irudiak ezagutzeko APIak eskaintzea.
Deep learning plataformak eskaintzen du datu multzoak erabiliz sare neuronalak entrenatzeko lineako interfazea, irudiak ezagutzeko zereginak barne. NVIDIA zenbakiak.
Aplikazio hauek CNN-ak hainbat zereginetarako nola erabil daitezkeen erakusten dute, eskala txikiko erabilera-kasu komertzialetatik hasi eta norberaren argazkiak antolatzeko. Adibide askoz gehiago pentsa daitezke.
Nola eboluzionatuko dute sare neuronal konboluzionalak?
Osasungintza industria liluragarria da, non CNNek eragin handia izango duela espero den. Adibidez, X izpiak eta MRI azterketak bezalako irudi medikoak ebaluatzeko erabil litezke. Gaixotasunak azkarrago eta zehatzago diagnostikatzen lagun diezaiekete medikuei.
Norbere gidatzen diren autoak beste aplikazio interesgarri bat dira, non CNNak objektuak identifikatzeko erabil daitezkeen. Ibilgailuek ingurunea ulertzen eta erreakzionatzen duten hobetu dezake.
Gero eta jende gehiagok ere interesa du CNN egiturak sortzea azkarragoak eta eraginkorragoak, CNN mugikorrak barne. Potentzia baxuko tramankuluetan erabiltzea espero da, adibidez, telefono adimendunetan eta eramangarrietan.
Utzi erantzun bat