CNN nədir?
Konvolyusiyalı Neyron Şəbəkələr (Convolutional Neural Networks, CNN) — dərin öyrənmə (Deep Learning) sahəsində istifadə olunan xüsusi neyron şəbəkə növüdür. Onlar əsasən şəkillərin, videoların və digər vizual məlumatların tanınması və emalı üçün nəzərdə tutulub. CNN-lərin quruluşu insan beyninin görmə qabığının (vizual korteksin) işləmə prinsiplərindən ilhamlanıb: onlar məlumatı mərhələ-mərhələ analiz edərək mürəkkəb nümunələri aşkar edir.
Sadə desək: CNN şəklə bir anda deyil, hissə-hissə baxır. Təsəvvür edin ki, kiçik bir böyüdücü şüşəni şəklin üzərində addım-addım hərəkət etdirirsiniz. İlk qatlar sadə şeyləri — xətləri, kənarları, rəng keçidlərini — tapır. Növbəti qatlar onları birləşdirib gözü, qulağı, təkəri tanıyır. Ən son qatlar isə bütün bu hissələrə əsasən qərar verir: “Bu, pişikdir.”
Əsas prinsiplər və quruluş
- Konvolyusiya qatları (Convolutional Layers): Bu qatlar giriş məlumatına (məsələn, şəklə) kiçik filtrlər tətbiq edərək xüsusiyyətləri çıxarır. Filtrlər şəkillərdə kənarları, rəng dəyişikliklərini, formaları və digər vizual nümunələri tanıyır.
- Aktivləşdirmə funksiyaları (Activation Functions): Konvolyusiya nəticəsində yaranan xüsusiyyət xəritələri qeyri-xətti funksiyalar vasitəsilə emal olunur. Ən çox istifadə olunan aktivləşdirmə funksiyası ReLU-dur (Rectified Linear Unit): o, hesablamanı sürətləndirir və şəbəkəyə mürəkkəb nümunələri öyrənməyə kömək edir.
- Pooling qatları (Pooling Layers): Bu qatlar məlumatın ölçüsünü kiçildir, hesablamaları yüngülləşdirir və əsas xüsusiyyətləri saxlayaraq şəbəkəni daha dayanıqlı edir. Ən çox istifadə olunan üsullar Max Pooling və Average Pooling-dir.
- Tam bağlı qatlar (Fully Connected Layers): Konvolyusiya və pooling qatlarından çıxan xüsusiyyətlər birləşdirilərək tam bağlı qatlara göndərilir. Bu qatlar təsnifat və son qərarın verilməsi üçün istifadə olunur.
Qısa tarixçə
CNN-lərin əsasını 1980-ci illərin sonunda fransız alimi Yann LeCun qoyub: onun LeNet modeli əlyazma rəqəmləri tanıyırdı və poçt indekslərinin oxunmasında istifadə olunurdu. Əsl sıçrayış isə 2012-ci ildə baş verdi: AlexNet adlı CNN modeli ImageNet görüntü tanıma müsabiqəsində rəqiblərini böyük fərqlə qabaqladı. Bu model qrafik kartlar (GPU) üzərində öyrədilmişdi və həmin hadisə müasir dərin öyrənmə inqilabının başlanğıcı hesab olunur.
Tətbiq sahələri
- Kompüter görmə (Computer Vision): Şəkil və videoların tanınması, obyektlərin aşkarlanması, üz tanıma.
- Tibbi görüntü analizi: Rentgen, MRT və KT şəkillərinin analizində xəstəliklərin aşkarlanmasına kömək.
- Avtonom nəqliyyat: Avtonom avtomobillərdə yol nişanlarının və maneələrin tanınması.
- Sənaye və robotexnika: Robotların kamera və digər sensorlardan gələn görüntülərə əsasən ətrafdakı obyektləri və maneələri tanıması.
- Əyləncə və media: Şəkil filtrləri, video emalı və vizual effektlərin avtomatik tətbiqi.
Üstünlükləri və əhəmiyyəti
CNN-lər vizual məlumatlarla işləyərkən klassik neyron şəbəkələrdən daha səmərəlidir, çünki onlar şəklin məkan quruluşunu — hansı pikselin hansının yanında olduğunu — nəzərə alır və xüsusiyyətləri avtomatik öyrənir. Bu, bir çox tapşırıqda insan səviyyəsinə yaxın nəticələr əldə etməyə imkan verir.
Son illərdə görüntü tanımada Vision Transformer adlanan yeni arxitekturalar da CNN-lərlə rəqabət aparır. Buna baxmayaraq, CNN-lər sürətli və effektiv olduqları üçün, xüsusilə mobil cihazlarda və robotlarda, geniş istifadə olunmaqda davam edir.
Nəticə
Konvolyusiyalı Neyron Şəbəkələr müasir süni intellekt texnologiyalarının vizual məlumatları tanıma və analiz etmə sahəsində əsas alətlərindən biridir. Onlar yalnız şəkillərlə məhdudlaşmır: video, sensor və digər çoxölçülü məlumatların emalında da geniş istifadə olunur. CNN, maşın öyrənməsinin real dünyada ən uğurlu tətbiqlərindən biridir.
Övladınızın kompüterə “görməyi” öyrətməyi və öz görüntü tanıma layihəsini yaratmasını istəyirsiniz? Süni İntellekt Mühəndisliyi kursumuzla addım-addım öyrənməyə başlayın. Ətraflı məlumat üçün linkə keçid edin: Süni İntellekt Mühəndisliyi kursu

