O'zini boshqaradigan avtomobil qizil chiroqda qachon to'xtash kerakligini yoki telefoningiz sizning yuzingizni qanday aniqlashi haqida hech so'raganmisiz?
Bu erda Konvolyutsion neyron tarmog'i yoki qisqacha CNN keladi.
CNNni inson miyasi bilan solishtirish mumkin, u tasvirlarda nima sodir bo'layotganini aniqlash uchun tahlil qila oladi. Ushbu tarmoqlar hatto odamlar e'tiborsiz qoldiradigan narsalarni ham aniqlay oladi!
Ushbu postda biz CNN-ni o'rganamiz chuqur o'rganish kontekst. Keling, ushbu qiziqarli hudud bizga nimani taklif qilishini ko'rib chiqaylik!
Chuqur o'rganish nima?
Chuqur o'rganish - bu bir xil sun'iy intellekt. Bu kompyuterlarga o'rganish imkonini beradi.
Chuqur o'rganish murakkab matematik modellar yordamida ma'lumotlarni qayta ishlaydi. Shunday qilib, kompyuter naqshlarni aniqlay oladi va ma'lumotlarni toifalarga ajratadi.
Ko'p misollar bilan mashq qilgandan so'ng, u ham qaror qabul qilishi mumkin.
Nega biz CNN chuqur o'rganishga qiziqamiz?
Konvolyutsion neyron tarmoqlari (CNN) chuqur o'rganishning muhim tarkibiy qismidir.
Ular kompyuterlarga rasmlar va boshqa narsalarni tushunish imkonini beradi vizual ma'lumotlar. Biz kompyuterlarni chuqur o'rganishda CNN-dan foydalanish orqali naqshlarni aniqlash va ob'ektlarni "ko'rgan" narsalarga asoslangan holda aniqlashga o'rgatishimiz mumkin.
CNN kompyuterlarga atrof-muhitni tushunishda yordam beradigan chuqur o'rganishning ko'zlari sifatida ishlaydi!
Miya arxitekturasidan ilhom
CNN o'z ilhomini miya ma'lumotni qanday izohlashidan oladi. CNNdagi sun'iy neyronlar yoki tugunlar kirishlarni qabul qiladi, ularni qayta ishlaydi va natijani butun tanada miya neyronlari qilganidek, chiqish sifatida taqdim etadi.
Kirish qatlami
Standartning kirish qatlami neyron tarmoq tasvir piksellari kabi massivlar ko'rinishidagi kirishlarni oladi. CNN-larda rasm kirish qatlamiga kirish sifatida taqdim etiladi.
Yashirin qatlamlar
CNN-da bir nechta yashirin qatlamlar mavjud bo'lib, ular rasmdan xususiyatlarni olish uchun matematikadan foydalanadilar. To'liq bog'langan, to'g'rilangan chiziqli birliklar, birlashma va konvolyutsiya qatlamlarini o'z ichiga olgan bir necha turdagi qatlamlar mavjud.
Konvolyutsiya qatlami
Kirish rasmidan xususiyatlarni ajratib olish uchun birinchi qatlam konvolyutsiya qatlamidir. Kiritilgan tasvir filtrlanadi va natijada tasvirning asosiy elementlarini ta'kidlaydigan xususiyat xaritasi paydo bo'ladi.
Keyinroq hovuz
Birlashtiruvchi qatlam xususiyat xaritasi hajmini qisqartirish uchun ishlatiladi. U modelning kirish rasmining joylashuvini o'zgartirishga qarshiligini kuchaytiradi.
Rektifikatsiyalangan chiziqli birlik qatlami (ReLU)
Modelga nochiziqlilikni berish uchun ReLU qatlami qo'llaniladi. Oldingi qatlamning chiqishi ushbu qatlam tomonidan faollashtiriladi.
To'liq bog'langan qatlam
To'liq bog'langan qatlam elementni toifalarga ajratadi va unga chiqish qatlamida yagona identifikatorni tayinlaydi, bu butunlay ulangan qatlamdir.
CNN - bu oldinga uzatiladigan tarmoqlar
Ma'lumotlar faqat bitta usulda kirishdan chiqishga o'tadi. Ularning arxitekturasi asosiy va murakkab hujayralarning almashinadigan qatlamlaridan tashkil topgan miyaning vizual korteksidan ilhomlangan.
CNN qanday o'qitiladi?
Mushukni aniqlash uchun kompyuterni o'rgatmoqchi ekanligingizni o'ylab ko'ring.
Siz unga mushuklarning ko'plab tasvirlarini ko'rsatib, "Mana mushuk" deb aytasiz. Mushuklarning etarlicha tasvirini ko'rgandan so'ng, kompyuter o'tkir quloq va mo'ylov kabi xususiyatlarni taniy boshlaydi.
CNNning ishlash usuli juda o'xshash. Kompyuterda bir nechta fotosuratlar ko'rsatiladi va har bir rasmdagi narsalarning nomlari beriladi.
Biroq, CNN tasvirlarni kichikroq qismlarga, masalan, hududlarga ajratadi. Va u tasvirlarni bir butun sifatida ko'rishdan ko'ra, o'sha hududlardagi xususiyatlarni aniqlashni o'rganadi.
Shunday qilib, CNN ning boshlang'ich qatlami faqat qirralar yoki burchaklar kabi asosiy xususiyatlarni aniqlay oladi. Keyin, keyingi qatlam shakllar yoki teksturalar kabi batafsil xususiyatlarni tanib olish uchun asoslanadi.
Kompyuter ko'proq tasvirlarni ko'rishi sababli qatlamlar ushbu fazilatlarni moslashtirmoqda va yaxshilaydi. U nimaga o'rgatilgan bo'lishidan qat'i nazar, mushuklarmi, yuzlarmi yoki boshqa narsalarni aniqlashda juda malakali bo'lgunga qadar davom etadi.
Kuchli chuqur o'rganish vositasi: CNN tasvirni aniqlashni qanday o'zgartirdi
Tasvirlardagi naqshlarni aniqlash va tushunish orqali CNN tasvirni tanib olishni o'zgartirdi. Natijalarni yuqori darajadagi aniqlik bilan ta'minlaganligi sababli, CNN tasvirlarni tasniflash, qidirish va aniqlash ilovalari uchun eng samarali arxitektura hisoblanadi.
Ular ko'pincha ajoyib natijalar beradi. Va ular haqiqiy ilovalarda fotosuratlardagi ob'ektlarni aniq belgilaydilar va aniqlaydilar.
Rasmning istalgan qismida naqshlarni topish
Rasmda naqsh qaerda paydo bo'lishidan qat'i nazar, CNN uni tanib olish uchun mo'ljallangan. Ular rasmning istalgan joyidan vizual xususiyatlarni avtomatik ravishda ajratib olishlari mumkin.
Bu ularning "fazoviy o'zgarmaslik" deb nomlanuvchi qobiliyati tufayli mumkin. Jarayonni soddalashtirgan holda, CNNlar inson xususiyatlarini ajratib olishni talab qilmasdan to'g'ridan-to'g'ri fotosuratlardan o'rganishlari mumkin.
Ko'proq ishlov berish tezligi va kamroq xotira ishlatiladi
CNN rasmlarni an'anaviy jarayonlarga qaraganda tezroq va samaraliroq qayta ishlaydi. Bu rasmni qayta ishlash uchun zarur bo'lgan parametrlar sonini kamaytiradigan qatlamlarni birlashtirish natijasidir.
Shunday qilib, ular xotiradan foydalanish va qayta ishlash xarajatlarini kamaytiradi. Ko'pgina hududlar CNN-lardan foydalanadi, masalan; yuzni aniqlash, videolarni turkumlashtirish va rasmlarni tahlil qilish. Ular hatto odatlanib qolishgan galaktikalarni tasniflang.
Haqiqiy hayotdan misollar
Google rasmlari Rasmlardagi odamlar va ob'ektlarni identifikatsiyalash uchun ulardan foydalanadigan haqiqiy dunyoda CNN-lardan foydalanish. Bundan tashqari, osmon va Amazon CNN yordamida ob'ektlarni belgilovchi va identifikatsiya qiluvchi tasvirni aniqlash API-larini taqdim eting.
Ma'lumotlar to'plamidan foydalangan holda neyron tarmoqlarni o'rgatish uchun onlayn interfeys, jumladan, tasvirni aniqlash vazifalari chuqur o'rganish platformasi tomonidan taqdim etiladi. NVIDIA raqamlari.
Ushbu ilovalar kichik hajmdagi tijorat maqsadlarida foydalanishdan tortib, fotosuratlarni tartibga solishgacha bo'lgan turli vazifalar uchun CNN-dan qanday foydalanish mumkinligini ko'rsatadi. Yana ko‘plab misollar keltirish mumkin.
Konvolyutsion neyron tarmoqlari qanday rivojlanadi?
Sog'liqni saqlash - bu CNN muhim ta'sirga ega bo'lishi kutilayotgan qiziqarli soha. Masalan, ular rentgen nurlari va MRI skanerlari kabi tibbiy rasmlarni baholash uchun ishlatilishi mumkin. Ular klinisyenlarga kasalliklarni tezroq va aniqroq tashxislashda yordam berishi mumkin.
O'z-o'zidan boshqariladigan avtomobillar - bu ob'ektni identifikatsiyalash uchun CNN-lardan foydalanish mumkin bo'lgan yana bir qiziqarli dastur. Bu transport vositalarining atrofdagilarni qanchalik yaxshi tushunishi va ularga munosabat bildirishini yaxshilashi mumkin.
O'sib borayotgan odamlar soni tezroq va samaraliroq bo'lgan CNN tuzilmalarini, jumladan mobil CNNlarni yaratishga qiziqish bildirmoqda. Ular smartfon va taqiladigan qurilmalar kabi kam quvvatli gadjetlarda qo‘llanilishi kutilmoqda.
Leave a Reply