ڇا توهان ڪڏهن سوال ڪيو آهي ته هڪ سيلف ڊرائيونگ ڪار ڪيئن ڄاڻي ٿي ته ڪڏهن ڳاڙهي روشنيءَ ۾ بند ٿيڻو آهي يا توهان جو فون توهان جي چهري کي ڪيئن سڃاڻي سگهي ٿو؟
هي اهو آهي جتي Convolutional Neural Network يا CNN مختصر طور تي اچي ٿو.
هڪ CNN انساني دماغ جي مقابلي ۾ آهي جيڪو تصويرن جو تجزيو ڪري سگهي ٿو اهو طئي ڪرڻ لاءِ ته انهن ۾ ڇا ٿي رهيو آهي. اهي نيٽ ورڪ انهن شين کي به ڳولي سگهن ٿا جيڪي انسانن کي نظر انداز ڪندا!
هن پوسٽ ۾، اسان سي اين اين کي ڳوليندا سين تمام گهڻي سکيا حوالي اچو ته ڏسو ته هي دلچسپ علائقو اسان کي پيش ڪري سگهي ٿو!
ڊيپ لرننگ ڇا آهي؟
گہرے سکيا جو هڪ قسم آهي مصنوعي انٽيلي جنس. اهو ڪمپيوٽرن کي سکڻ جي قابل بڻائي ٿو.
پيچيده رياضياتي ماڊل استعمال ڪندي ڊيپ لرننگ ڊيٽا کي پروسيس ڪري ٿو. انهي ڪري، هڪ ڪمپيوٽر نمونن کي ڳولي سگهي ٿو ۽ ڊيٽا کي درجه بندي ڪري سگهي ٿو.
ڪيترن ئي مثالن سان تربيت ڪرڻ کان پوء، اهو پڻ فيصلو ڪري سگهي ٿو.
اسان ڊيپ لرننگ ۾ سي اين اينز ۾ ڇو دلچسپي وٺندا آهيون؟
Convolutional Neural Networks (CNNs) گہرے سکيا جو ھڪ اھم حصو آھن.
اهي ڪمپيوٽرن کي تصويرن ۽ ٻين کي سمجهڻ جي اجازت ڏين ٿا بصري ڊيٽا. اسان ڪمپيوٽرن کي تربيت ڏئي سگھون ٿا نمونن کي ڳولڻ ۽ شين جي سڃاڻپ ڪرڻ جي بنياد تي جيڪي اهي ”ڏسندا آهن“ سي اين اينز کي ڊيپ لرننگ ۾ استعمال ڪندي.
سي اين اينز گہرے سکيا جي اکين وانگر ڪم ڪن ٿيون، ڪمپيوٽرن کي ماحول کي سمجهڻ ۾ مدد ڪندي!
دماغ جي فن تعمير کان متاثر
سي اين اينز ان کان الهام وٺن ٿا ته دماغ ڪيئن معلومات جي ترجماني ڪري ٿو. مصنوعي نيورون، يا نوڊس، سي اين اينز ۾، انپٽس کي قبول ڪن ٿا، انهن تي عمل ڪن ٿا، ۽ نتيجو ڪڍيون ٿا، جيئن دماغي نيورون سڄي جسم ۾ ڪندا آهن.
ان پٽ پرت
معيار جي ان پٽ پرت نظرياتي نيٽورڪ arrays جي صورت ۾ ان پٽ حاصل ڪري ٿو، جهڙوڪ تصوير پکسلز. CNNs ۾، هڪ تصوير ان پٽ پرت ۾ ان پٽ طور فراهم ڪئي وئي آهي.
لڪيل پرت
سي اين اينز ۾ ڪيترائي لڪيل پرت آھن، جيڪي تصوير مان خاصيتون ڪڍڻ لاء رياضي استعمال ڪندا آھن. اتي ڪيترائي قسم جا تہ آھن، جن ۾ مڪمل طور تي ڳنڍيل، سڌاريل لڪير يونٽ، پولنگ، ۽ ڪنوولوشن پرت شامل آھن.
Convolution Layer
ان پٽ تصوير مان فيچرز ڪڍڻ لاءِ پھرين پرت ڪنووليشن پرت آھي. ان پٽ تصوير فلٽرنگ جي تابع آهي، ۽ نتيجو هڪ نقشو نقشو آهي جيڪو تصوير جي اهم عناصر کي نمايان ڪري ٿو.
پولنگ بعد ۾
پولنگ پرت خصوصيت جي نقشي جي سائيز کي ڇڪڻ لاء استعمال ڪيو ويندو آهي. اهو ان پٽ تصوير جي جڳھ کي منتقل ڪرڻ لاء ماڊل جي مزاحمت کي مضبوط ڪري ٿو.
سڌريل لائينر يونٽ پرت (ReLU)
ReLU پرت استعمال ڪئي وئي آهي ماڊل کي غير لڪيريت ڏيڻ لاءِ. اڳئين پرت جي پيداوار هن پرت پاران چالو ڪئي وئي آهي.
مڪمل طور تي ڳنڍيل پرت
مڪمل طور تي ڳنڍيل پرت شين کي درجه بندي ڪري ٿو ۽ ان کي تفويض ڪري ٿو هڪ منفرد ID آئوٽ پرت ۾ مڪمل طور تي ڳنڍيل پرت آهي.
سي اين اينز فيڊ فارورڊ نيٽ ورڪ آهن
ڊيٽا صرف ان پٽن کان ٻاھرين ڏانھن ھڪڙي طريقي سان وهندي آھي. انهن جو فن تعمير دماغ جي بصري پرانتڪس کان متاثر آهي، جيڪو بنيادي ۽ نفيس سيلن جي متبادل تہن مان ٺهيل آهي.
سي اين اينز کي ڪيئن تربيت ڏني وڃي ٿي؟
غور ڪريو ته توهان ڪمپيوٽر کي سکڻ جي ڪوشش ڪري رهيا آهيو هڪ ٻلي کي سڃاڻڻ لاءِ.
توهان هن کي ٻلين جون ڪيتريون ئي تصويرون ڏيکاريو جڏهن چوندا هئا، "هتي هڪ ٻلي آهي." ٻليون جون ڪافي تصويرون ڏسڻ کان پوءِ، ڪمپيوٽر انهن خاصيتن کي سڃاڻڻ شروع ڪري ٿو جهڙوڪ ڪنن ۽ ويڪرز.
CNN جو طريقو بلڪل ساڳيو آهي. ڪمپيوٽر تي ڪيتريون ئي تصويرون ڏيکاريل آهن، ۽ هر تصوير ۾ شين جا نالا ڏنل آهن.
بهرحال، CNN تصويرن کي ننڍن ٽڪرن ۾ ورهائي ٿو، جهڙوڪ علائقا. ۽، اهو سکي ٿو انهن علائقن ۾ خاصيتن کي سڃاڻڻ بجاءِ صرف تصويرن کي مڪمل طور تي ڏسڻ جي.
تنهن ڪري، CNN جي شروعاتي پرت صرف بنيادي خاصيتن جهڙوڪ ڪنڊن يا ڪنارن کي ڳولي سگھي ٿي. ان کان پوء، ايندڙ پرت انهي تي ٺاهي ٿي وڌيڪ تفصيلي خاصيتن کي سڃاڻڻ جهڙوڪ فارم يا بناوت.
پرت انهن خاصيتن کي ترتيب ڏيڻ ۽ عزت ڏيڻ ۾ رکندو آهي جيئن ڪمپيوٽر وڌيڪ تصويرون ڏسي ٿو. اهو هلندو رهي ٿو جيستائين اهو سڃاڻڻ ۾ تمام گهڻو ماهر ٿي وڃي جنهن تي هن کي تربيت ڏني وئي هئي، ڇا اهو ٻليون، منهن، يا ٻيو ڪجهه آهي.
هڪ طاقتور ڊيپ لرننگ ٽول: ڪيئن CNNs تبديل ٿيل تصوير جي سڃاڻپ
تصويرن ۾ نمونن جي سڃاڻپ ۽ احساس ڪرڻ سان، سي اين اينز، تصوير جي سڃاڻپ کي تبديل ڪري ڇڏيو آهي. جيئن ته اهي نتيجن کي اعلي درجي جي درستگي سان مهيا ڪن ٿا، CNNs تصوير جي درجه بندي، ٻيهر حاصل ڪرڻ، ۽ ڳولڻ واري ايپليڪيشنن لاء سڀ کان وڌيڪ موثر فن تعمير آهن.
اهي اڪثر ڪري شاندار نتيجا ڏين ٿا. ۽، اهي حقيقي دنيا جي ايپليڪيشنن ۾ فوٽوز ۾ شين کي صحيح طور تي نشان ۽ سڃاڻپ ڪن ٿا.
تصوير جي ڪنهن به حصي ۾ نمونن ڳولڻ
ڪابه ڳالهه ناهي ته تصوير ۾ هڪ نمونو ڪٿي ظاهر ٿئي ٿو، سي اين اينز ان کي سڃاڻڻ لاء ٺهيل آهن. اهي خودڪار طريقي سان تصوير ۾ ڪنهن به هنڌ کان بصري خاصيتون ڪڍي سگهن ٿا.
اهو ممڪن آهي انهن جي قابليت جي مهرباني جنهن کي "مقامي مداخلت" طور سڃاتو وڃي ٿو. عمل کي آسان ڪرڻ سان، CNNs انساني خصوصيت جي اضافي جي ضرورت کان سواءِ تصويرن مان سڌو سنئون سکي سگھن ٿا.
وڌيڪ پروسيسنگ اسپيڊ ۽ گھٽ ميموري استعمال ٿيل
CNNs تصويرن کي روايتي عملن جي ڀيٽ ۾ تيز ۽ وڌيڪ موثر طريقي سان پروسيس ڪري ٿو. اهو پولنگ تہن جو نتيجو آهي، جيڪو تصوير کي پروسيس ڪرڻ لاء گهربل پيٽرولر جو تعداد گھٽائي ٿو.
اهو طريقو، اهي ميموري استعمال ۽ پروسيسنگ جي قيمت گھٽائي رهيا آهن. ڪيترائي علائقا سي اين اين استعمال ڪندا آهن، جهڙوڪ؛ چهرو سڃاڻڻ، وڊيو درجه بندي، ۽ تصويرن جو تجزيو. اهي پڻ استعمال ڪيا ويا آهن ڪهڪشائن جي درجه بندي ڪريو.
حقيقي زندگي جا مثال
گوگل تصويرون حقيقي دنيا ۾ CNNs جو ھڪڙو استعمال آھي جيڪو انھن کي استعمال ڪري ٿو ماڻھن ۽ شين کي تصويرن ۾ سڃاڻڻ لاءِ. ان کان علاوه، Azure ۽ Amazon تصوير جي سڃاڻپ APIs مهيا ڪريو جيڪي CNNs استعمال ڪندي شين کي ٽيگ ۽ سڃاڻيندا آهن.
ڊيٽا سيٽ استعمال ڪندي نيورل نيٽ ورڪ جي تربيت لاءِ هڪ آن لائن انٽرفيس، بشمول تصويرن جي سڃاڻپ جا ڪم، ڊيپ لرننگ پليٽ فارم پاران مهيا ڪيل آهن NVIDIA عدد.
اهي ايپليڪيشنون ڏيکارين ٿيون ته ڪيئن CNNs کي مختلف ڪمن لاءِ استعمال ڪري سگهجي ٿو، ننڍي پيماني تي تجارتي استعمال جي ڪيسن کان وٺي هڪ فوٽو ترتيب ڏيڻ تائين. ٻيا به ڪيترائي مثال سمجهي سگهجن ٿا.
ڪنووليشنل نيورل نيٽ ورڪ ڪيئن ترقي ڪندو؟
صحت جي سار سنڀار هڪ دلچسپ صنعت آهي جتي سي اين اين جي توقع ڪئي وئي آهي ته هڪ اهم اثر آهي. مثال طور، اهي طبي تصويرن جهڙوڪ ايڪس ري ۽ ايم آر آئي اسڪين جو جائزو وٺڻ لاء استعمال ڪري سگھجن ٿيون. اهي ڊاڪٽرن جي مدد ڪري سگھن ٿا وڌيڪ جلدي ۽ صحيح طور تي بيمارين جي تشخيص ۾.
سيلف ڊرائيونگ آٽو موبائيل هڪ ٻي دلچسپ ايپليڪيشن آهي جتي CNN استعمال ڪري سگهجن ٿيون اعتراض جي سڃاڻپ لاءِ. اهو بهتر ٿي سگهي ٿو ته گاڏيون ڪيئن سمجهن ٿيون ۽ انهن جي آس پاس جي رد عمل کي.
ماڻهن جو وڌندڙ تعداد پڻ CNN جوڙجڪ ٺاهڻ ۾ دلچسپي رکي ٿو جيڪي تيز ۽ وڌيڪ اثرائتو آهن، بشمول موبائل CNNs. انهن کي گهٽ پاور گيجٽس جهڙوڪ اسمارٽ فونز ۽ wearables تي استعمال ڪرڻ جي اميد آهي.
جواب ڇڏي وڃو