Конволюционная нейронная сеть (CNN)

Как работает Cnn

В отличие от стандартной нейронной сети, где каждый нейрон в одном слое соединен с каждым нейроном в следующем, в CNN используется специальная математическая операция, называемая сверткой. Это позволяет сети узнавать признаки в локальном рецептивном поле, сохраняя пространственные связи между пикселями.

Типичная архитектура CNN состоит из нескольких ключевых слоев:

1. Конволюционный слой: Это основной строительный блок, в котором фильтр, или ядро, скользит по входному изображению, создавая карты характеристик. Эти карты выделяют такие детали, как края, углы и текстуры. Размер этих фильтров и выявляемые ими паттерны определяются в процессе обучения модели.
2. Активационный слой: После каждой свертки применяется функция активации типа ReLU, которая вносит нелинейность, позволяя модели обучаться более сложным паттернам.
3. Слой Pooling (Downsampling): Этот слой уменьшает пространственные размеры (ширину и высоту) карты признаков, что снижает вычислительную нагрузку и помогает сделать обнаруженные признаки более устойчивыми к изменениям положения и ориентации. Классическая статья на эту тему - ImageNet Classification with Deep Convolutional Neural Networks.
4. Слой с полным подключением: После нескольких конволюционных и объединяющих слоев высокоуровневые признаки сглаживаются и передаются в слой с полным подключением, который выполняет классификацию на основе изученных признаков.

Cnn в сравнении с другими архитектурами

Хотя CNN являются одним из видов моделей глубокого обучения, они существенно отличаются от других архитектур.

• Нейронные сети (НС): Стандартная NN рассматривает входные данные как плоский вектор, теряя всю пространственную информацию. CNN сохраняют эту информацию, что делает их идеальными для анализа изображений.
• Трансформаторы видения (ViTs): В отличие от CNN, которые имеют сильную индуктивную склонность к пространственной локальности, ViTs рассматривать изображение как последовательность патчей и использовать самовнушение механизм для изучения глобальных взаимосвязей. Для обучения ViT часто требуется больше данных, но они могут отлично справляться с задачами, где важен долгосрочный контекст. Многие современные модели, такие как RT-DETRМы используем гибридный подход, сочетая CNN backbone на основе трансформатора detection head.

Применение в реальном мире

CNN являются движущей силой бесчисленных приложений в реальном мире:

• Обнаружение объектов: Модели семейства Ultralytics YOLO, такие как YOLOv8 и YOLO11, используют основы CNN для идентификации и определения местоположения объектов на изображениях и видео с поразительной скоростью и точностью. Эта технология имеет решающее значение для всего - от ИИ в автомобильных системах до управления запасами на основе ИИ.
• Анализ медицинских изображений: В здравоохранении CNN помогают радиологам анализировать медицинские снимки (рентгеновские, магнитно-резонансные, компьютерные томографы), чтобы обнаружить опухоли, переломы и другие аномалии. Это приложение помогает повысить скорость и согласованность диагностики, что подтверждается исследованиями таких институтов, как Национальный институт здоровья (NIH). Для получения дополнительной информации вы можете изучить анализ медицинских изображений с помощью Ultralytics.
• Сегментация изображений: Для задач, требующих понимания на уровне пикселей, например, в автономных автомобилях, которым нужно отличить дорогу от пешехода, архитектуры на основе CNN, такие как U-Net, широко используются для сегментации изображений.

Инструменты и фреймворки

Разработка и развертывание CNN поддерживается мощными инструментами и фреймворками:

• Библиотеки: Такие популярные библиотеки, как PyTorch (см. официальный сайт PyTorch) и TensorFlow, предоставляют высокоуровневые API для создания и обучения CNN. Высокоуровневые API, такие как Keras, еще больше упрощают разработку.
• Платформы: Платформы, подобные Ultralytics HUB, упрощают весь процесс - от управления наборами данных до обучения моделей и их развертывания. Эффективное создание моделей часто требует тщательной настройки гиперпараметров, и в этом случае полезны всесторонние советы по обучению моделей. Для оптимизации производительности вы можете изучить такие интеграции, как OpenVINO и TensorRT.