Mikä on CNN ja miten se eroaa perinteisistä neuroverkoista?

Konvoluutiohermoverkko (CNN) on tekoälyn muoto, joka auttaa tietokoneita "näkemään" ja ymmärtämään kuvia. Toisin kuin tavalliset neuroverkot, jotka käsittelevät kuvia numerosarjoina, CNN:t tarkastelevat kuvia osissa ja tunnistavat kuvioita, kuten reunoja, muotoja ja tekstuureja. Tämä tekee niistä huomattavasti parempia käsittelemään kuvia ja videoita.

Miten CNN:t ovat saaneet inspiraationsa ihmisen silmästä

CNN:t toimivat samalla tavalla kuin ihmisaivot käsittelevät kuvia. Kun katsomme jotakin, silmämme lähettävät tietoa aivoihin, jotka ensin tunnistavat yksinkertaisia muotoja, kuten reunoja ja värejä. Syvemmät aivokerrokset yhdistävät nämä osat tunnistaakseen esineitä, kasvoja tai kokonaisia kohtauksia. CNN:t noudattavat samaa periaatetta: ne aloittavat yksinkertaisista piirteistä ja rakentavat niistä monimutkaisempia kokonaisuuksia.

Aivan kuten silmämme keskittyvät tiettyihin alueisiin, CNN:tkin käsittelevät kuvia pienissä osissa, mikä auttaa niitä tunnistamaan kuvioita sijainnista riippumatta. Toisin kuin ihmiset, CNN:t kuitenkin tarvitsevat tuhansia nimettyjä kuvia oppiakseen, kun taas ihmiset voivat tunnistaa esineitä nähtyään ne vain muutaman kerran.

Keskeiset osat: konvoluutio, poolaus, aktivointi ja täysin kytketyt kerrokset

CNN koostuu useista kerroksista, joilla jokaisella on oma tehtävänsä kuvien käsittelyssä:

CNN:t ovat tehokkaita, koska ne pystyvät automaattisesti oppimaan piirteitä kuvista ilman, että ihmisten tarvitsee ohjelmoida jokaista yksityiskohtaa erikseen. Tämän vuoksi niitä käytetään itseohjautuvissa autoissa, kasvojentunnistuksessa, lääketieteellisessä kuvantamisessa sekä monissa muissa tosielämän sovelluksissa.