Konwolucyjna sieć neuronowa (CNN)

Convolutional Neural Network (CNN), czyli konwolucyjna (splotowa) sieć neuronowa, to rodzaj sztucznej sieci neuronowej zaprojektowanej do przetwarzania i analizy obrazów oraz innych danych wielowymiarowych. CNN są powszechnie stosowane w obszarze widzenia komputerowego (computer vision), m.in. do rozpoznawania obrazów i wideo, wykrywania obiektów oraz segmentacji obrazów.

Architektura CNN jest inspirowana korą wzrokową ludzkiego mózgu, odpowiedzialną za przetwarzanie informacji wizualnych. Sieć składa się z wielu warstw, z których każda pełni określoną funkcję. Pierwsza to warstwa wejściowa, odbierająca surowe dane w postaci obrazu lub zestawu obrazów. Następnie warstwa konwolucyjna nakłada na dane zestaw filtrów, wyodrębniając cechy istotne dla danego zadania. Wynik przechodzi potem przez nieliniową funkcję aktywacji, taką jak ReLU (Rectified Linear Unit), która wprowadza nieliniowość i umożliwia uczenie się złożonych reprezentacji.

Kolejna jest warstwa pooling, która redukuje wymiarowość przestrzenną map cech generowanych przez warstwę konwolucyjną. Dzięki temu zmniejsza się złożoność obliczeniowa i rośnie wydajność. Do zmniejszania rozdzielczości (downsamplingu) stosuje się m.in. max pooling, wybierający maksimum w danym oknie, lub average pooling, obliczający średnią.

Po warstwie pooling sygnał trafia do jednej lub kilku warstw w pełni połączonych (fully connected), które realizują końcową klasyfikację lub regresję. Te warstwy przypominają te z tradycyjnych sieci neuronowych, lecz są poprzedzone warstwami konwolucyjnymi i pooling, które wcześniej wyodrębniają istotne cechy z danych wejściowych.

Uczenie CNN polega na optymalizacji wag w celu minimalizacji funkcji straty, mierzącej różnicę między przewidywanym a rzeczywistym wynikiem. Zwykle stosuje się propagację wsteczną (backpropagation), która oblicza gradient funkcji straty względem wag i na tej podstawie je aktualizuje.

CNN osiągnęły wyniki na poziomie state-of-the-art w wielu zadaniach widzenia komputerowego, a ich sukces wynika ze zdolności do uczenia się hierarchicznych reprezentacji danych wejściowych. Dzięki stosowaniu filtrów konwolucyjnych na wielu skalach oraz łączeniu (pooling) powstałych map cech, CNN potrafią rozpoznawać złożone wzorce w obrazach i innych danych wielowymiarowych.

Podsumowując, Convolutional Neural Network (CNN) to konwolucyjna sieć neuronowa przeznaczona do przetwarzania i analizy obrazów oraz innych danych wielowymiarowych. Składa się z warstw konwolucyjnych, pooling i w pełni połączonych, a do uczenia wykorzystuje propagację wsteczną (backpropagation) w celu optymalizacji wag. CNN uzyskują wyniki state-of-the-art w licznych zadaniach widzenia komputerowego i są szeroko stosowane w przemyśle oraz nauce.