Konvolučná neurónová sieť (CNN): Výučba počítačov, ako vidieť

• Autor:
• meno autora

  Predvídavosť Quantumrun
• Decembra 1, 2023

Súhrn prehľadu

Konvolučné neurónové siete (CNN) sú kľúčové pri klasifikácii obrazu a počítačovom videní, ktoré menia spôsob, akým stroje identifikujú a chápu vizuálne údaje. Napodobňujú ľudské videnie a spracovávajú obrázky prostredníctvom konvolučných, združovacích a plne prepojených vrstiev na extrakciu a analýzu prvkov. CNN majú rôzne aplikácie, vrátane maloobchodného predaja odporúčaní produktov, automobilového priemyslu na zlepšenie bezpečnosti, zdravotnej starostlivosti na detekciu nádorov a technológie rozpoznávania tváre. Ich použitie sa rozširuje na analýzu dokumentov, genetiku a analýzu satelitných snímok. S rastúcou integráciou do rôznych sektorov CNN vyvolávajú etické obavy, najmä pokiaľ ide o technológiu rozpoznávania tváre a ochranu údajov, pričom zdôrazňujú potrebu starostlivého zváženia ich nasadenia.

Kontext konvolučnej neurónovej siete (CNN).

CNN sú modelom hlbokého učenia inšpirovaným tým, ako ľudia a zvieratá používajú oči na identifikáciu predmetov. Počítače túto schopnosť nemajú; keď si „zobrazia“ obrázok, preloží sa do číslic. CNN sa teda odlišujú od iných neurónových sietí svojimi pokročilými možnosťami analýzy obrazových a zvukových signálov. Sú navrhnuté tak, aby sa automaticky a adaptívne učili priestorové hierarchie prvkov, od vzorov nízkej až po vysokú úroveň. CNN môžu pomôcť počítaču pri získavaní „ľudských“ očí a poskytnúť mu počítačové videnie, čo mu umožňuje absorbovať všetky pixely a čísla, ktoré vidí, a pomáha pri rozpoznávaní a klasifikácii obrazu. 

ConvNets implementujú aktivačné funkcie v mape prvkov, aby pomohli stroju určiť, čo vidí. Tento proces umožňujú tri hlavné vrstvy: konvolučná, združovacia a plne prepojená vrstva. Prvé dva (konvolučné a združovacie) vykonávajú extrakciu údajov, zatiaľ čo plne prepojená vrstva generuje výstup, ako je klasifikácia. Mapa prvkov sa prenáša z vrstvy do vrstvy, kým počítač neuvidí celý obrázok. CNN dostávajú čo najviac informácií na zistenie rôznych charakteristík. Prikázaním počítačom, aby hľadali hrany a čiary, sa tieto stroje učia rýchlo a presne identifikovať obrázky rýchlosťou, ktorá je pre ľudí nemožná.

Rušivý vplyv

Zatiaľ čo CNN sa najčastejšie používajú na rozpoznávanie a klasifikáciu obrázkov, môžu sa použiť aj na detekciu a segmentáciu. Napríklad v maloobchode môžu CNN vizuálne vyhľadávať, aby identifikovali a odporučili položky, ktoré dopĺňajú existujúci šatník. V automobilovom priemysle môžu tieto siete sledovať zmeny stavu vozovky, ako je napríklad detekcia jazdných pruhov, aby sa zvýšila bezpečnosť. V zdravotníctve sa CNN používajú na lepšiu identifikáciu rakovinových nádorov segmentovaním týchto poškodených buniek zo zdravých orgánov okolo nich. Medzitým CNN zlepšili technológiu rozpoznávania tváre, ktorá umožňuje platformám sociálnych médií identifikovať ľudí na fotografiách a dávať odporúčania na označovanie. (Facebook sa však rozhodol túto funkciu v roku 2021 zastaviť s odvolaním sa na rastúce etické obavy a nejasnú regulačnú politiku pri používaní tejto technológie). 

Analýza dokumentov sa môže zlepšiť aj pomocou CNN. Môžu overiť ručne napísané dielo, porovnať ho s databázou ručne písaného obsahu, interpretovať slová a podobne. Môžu skenovať ručne písané dokumenty dôležité pre bankovníctvo a financie alebo klasifikáciu dokumentov pre múzeá. V genetike môžu tieto siete hodnotiť bunkové kultúry pre výskum chorôb skúmaním obrázkov a mapovaním a prediktívnymi analýzami, ktoré pomáhajú lekárskym odborníkom pri vývoji potenciálnej liečby. Nakoniec, konvolučné vrstvy môžu pomôcť pri kategorizácii satelitných snímok a rýchlej identifikácii toho, čo to je, čo môže pomôcť pri prieskume vesmíru.

Aplikácie konvolučnej neurónovej siete (CNN)

Niektoré aplikácie konvolučnej neurónovej siete (CNN) môžu zahŕňať: 

• Zvýšené využitie pri diagnostike zdravotnej starostlivosti vrátane rádiológie, röntgenových lúčov a genetických chorôb.
• Použitie CNN na klasifikáciu streamovaných obrázkov z raketoplánov a staníc a mesačných roverov. Obranné agentúry môžu použiť CNN na sledovacie satelity a drony na autonómnu identifikáciu a hodnotenie bezpečnostných alebo vojenských hrozieb.
• Vylepšená technológia optického rozpoznávania znakov pre ručne písané texty a rozpoznávanie obrázkov.
• Vylepšené aplikácie robotického triedenia v skladoch a recyklačných zariadeniach.
• Ich použitie pri klasifikácii zločincov a záujmových osôb z mestských alebo vnútorných kamier. Táto metóda však môže podliehať predsudkom.
• Viac spoločností sa pýta na ich používanie technológie rozpoznávania tváre vrátane toho, ako zbierajú a používajú údaje.

Otázky na komentár

• Ako inak môžu CNN zlepšiť počítačové videnie a ako ho denne používame?
• Aké sú ďalšie možné výhody lepšieho rozpoznávania a klasifikácie obrázkov?