கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (சிஎன்என்): கணினிகளுக்கு எப்படிப் பார்ப்பது என்று கற்பித்தல்

பட கடன்:
பட கடன்
கசய்துள்ைது

கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (சிஎன்என்): கணினிகளுக்கு எப்படிப் பார்ப்பது என்று கற்பித்தல்

கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (சிஎன்என்): கணினிகளுக்கு எப்படிப் பார்ப்பது என்று கற்பித்தல்

உபதலைப்பு உரை
கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (CNNs) படங்கள் மற்றும் ஆடியோவை சிறப்பாக அடையாளம் காணவும் வகைப்படுத்தவும் AIக்கு பயிற்சி அளிக்கின்றன.
    • ஆசிரியர் பற்றி:
    • ஆசிரியர் பெயர்
      குவாண்டம்ரன் தொலைநோக்கு
    • டிசம்பர் 1, 2023

    நுண்ணறிவு சுருக்கம்

    கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (CNNகள்) பட வகைப்பாடு மற்றும் கணினி பார்வை ஆகியவற்றில் முக்கியமானவை, இயந்திரங்கள் எவ்வாறு காட்சி தரவை அடையாளம் கண்டு புரிந்துகொள்கின்றன என்பதை மாற்றுகிறது. அவை மனித பார்வையைப் பிரதிபலிக்கின்றன, கன்வல்யூஷனல், பூலிங் மற்றும் அம்சம் பிரித்தெடுத்தல் மற்றும் பகுப்பாய்வுக்காக முழுமையாக இணைக்கப்பட்ட அடுக்குகள் மூலம் படங்களை செயலாக்குகின்றன. சிஎன்என்களில் தயாரிப்புப் பரிந்துரைகளுக்கான சில்லறை விற்பனை, பாதுகாப்பு மேம்பாடுகளுக்கான வாகனம், கட்டிகளைக் கண்டறிவதற்கான உடல்நலம் மற்றும் முகத்தை அடையாளம் காணும் தொழில்நுட்பம் உள்ளிட்ட பல்வேறு பயன்பாடுகள் உள்ளன. அவற்றின் பயன்பாடு ஆவண பகுப்பாய்வு, மரபியல் மற்றும் செயற்கைக்கோள் படங்களை பகுப்பாய்வு செய்வது வரை நீட்டிக்கப்பட்டுள்ளது. பல்வேறு துறைகளில் தங்கள் ஒருங்கிணைப்பு அதிகரித்து வருவதால், CNNகள் நெறிமுறைக் கவலைகளை எழுப்புகின்றன, குறிப்பாக முக அங்கீகார தொழில்நுட்பம் மற்றும் தரவு தனியுரிமை, அவற்றின் வரிசைப்படுத்தலை கவனமாக பரிசீலிக்க வேண்டியதன் அவசியத்தை எடுத்துக்காட்டுகின்றன.

    கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (CNN) சூழல்

    சிஎன்என்கள் என்பது மனிதர்களும் விலங்குகளும் பொருட்களை அடையாளம் காண தங்கள் கண்களை எவ்வாறு பயன்படுத்துகின்றன என்பதன் மூலம் ஈர்க்கப்பட்ட ஒரு ஆழமான கற்றல் மாதிரியாகும். கணினிகளுக்கு இந்த திறன் இல்லை; அவர்கள் ஒரு படத்தை "பார்க்கும்" போது, ​​அது இலக்கங்களாக மொழிபெயர்க்கப்படும். எனவே, சிஎன்என்கள் மற்ற நரம்பியல் நெட்வொர்க்குகளிலிருந்து படம் மற்றும் ஆடியோ சிக்னல் தரவை பகுப்பாய்வு செய்வதற்கான மேம்பட்ட திறன்களால் வேறுபடுகின்றன. அவை, குறைந்த முதல் உயர் நிலை வரையிலான அம்சங்களின் இடஞ்சார்ந்த படிநிலைகளை தானாகவே மற்றும் தகவமைத்துக் கற்றுக்கொள்வதற்காக வடிவமைக்கப்பட்டுள்ளன. CNNகள் ஒரு கணினிக்கு "மனித" கண்களைப் பெற உதவுவதோடு, கணினி பார்வையை வழங்கவும், அது பார்க்கும் பிக்சல்கள் மற்றும் எண்கள் அனைத்தையும் உள்வாங்க அனுமதிக்கிறது மற்றும் படத்தை அடையாளம் காணவும் வகைப்படுத்தவும் உதவுகிறது. 

    இயந்திரம் எதைப் பார்க்கிறது என்பதைத் தீர்மானிக்க உதவும் வகையில், ஒரு அம்ச வரைபடத்தில் செயல்படுத்தும் செயல்பாடுகளை ConvNets செயல்படுத்துகிறது. இந்த செயல்முறை மூன்று முக்கிய அடுக்குகளால் செயல்படுத்தப்படுகிறது: கன்வல்யூஷனல், பூலிங் மற்றும் முழுமையாக இணைக்கப்பட்ட அடுக்குகள். முதல் இரண்டு (கன்வல்யூஷனல் மற்றும் பூலிங்) தரவு பிரித்தெடுத்தலைச் செய்கிறது, அதே நேரத்தில் முழுமையாக இணைக்கப்பட்ட அடுக்கு வகைப்பாடு போன்ற வெளியீட்டை உருவாக்குகிறது. கணினி முழுப் படத்தையும் பார்க்கும் வரை அம்ச வரைபடம் அடுக்கிலிருந்து அடுக்குக்கு மாற்றப்படும். CNN களுக்கு வெவ்வேறு குணாதிசயங்களைக் கண்டறிய முடிந்த அளவு தகவல்கள் கொடுக்கப்பட்டுள்ளன. விளிம்புகள் மற்றும் கோடுகளைத் தேடுமாறு கணினிகளுக்குச் சொல்வதன் மூலம், மனிதர்களால் சாத்தியமில்லாத விகிதத்தில் படங்களை எவ்வாறு விரைவாகவும் துல்லியமாகவும் அடையாளம் காண்பது என்பதை இந்த இயந்திரங்கள் கற்றுக்கொள்கின்றன.

    சீர்குலைக்கும் தாக்கம்

    சிஎன்என்கள் பொதுவாக படத்தை அறிதல் மற்றும் வகைப்படுத்தல் பணிகளுக்குப் பயன்படுத்தப்படுகின்றன, அவை கண்டறிதல் மற்றும் பிரிப்பதற்கும் பயன்படுத்தப்படலாம். எடுத்துக்காட்டாக, சில்லறை விற்பனையில், CNNகள், ஏற்கனவே உள்ள அலமாரியை நிறைவுசெய்யும் பொருட்களைக் கண்டறிந்து பரிந்துரைக்க, பார்வைக்குத் தேடலாம். வாகனத்தில், பாதுகாப்பை மேம்படுத்த லேன் லைன் கண்டறிதல் போன்ற சாலை நிலைகளில் ஏற்படும் மாற்றங்களை இந்த நெட்வொர்க்குகள் கவனிக்க முடியும். சுகாதாரப் பாதுகாப்பில், சிஎன்என்கள் புற்றுநோய் கட்டிகளை நன்கு அடையாளம் காணப் பயன்படுகின்றன, இந்த சேதமடைந்த செல்களை அவற்றைச் சுற்றியுள்ள ஆரோக்கியமான உறுப்புகளிலிருந்து பிரிப்பதன் மூலம். இதற்கிடையில், CNNகள் முகத்தை அடையாளம் காணும் தொழில்நுட்பத்தை மேம்படுத்தியுள்ளன, புகைப்படங்களில் உள்ளவர்களை அடையாளம் காணவும், குறியிடுதல் பரிந்துரைகளை வழங்கவும் சமூக ஊடக தளங்களை அனுமதிக்கிறது. (இருப்பினும், வளர்ந்து வரும் நெறிமுறைக் கவலைகள் மற்றும் இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்துவதில் தெளிவற்ற ஒழுங்குமுறைக் கொள்கைகளை மேற்கோள் காட்டி, இந்த அம்சத்தை 2021 இல் நிறுத்த Facebook முடிவு செய்துள்ளது). 

    சிஎன்என்களுடன் ஆவணப் பகுப்பாய்வையும் மேம்படுத்தலாம். அவர்கள் ஒரு கையால் எழுதப்பட்ட வேலையைச் சரிபார்க்கலாம், கையால் எழுதப்பட்ட உள்ளடக்கத்தின் தரவுத்தளத்துடன் ஒப்பிடலாம், வார்த்தைகளை விளக்கலாம் மற்றும் பலவற்றை செய்யலாம். அவர்கள் வங்கி மற்றும் நிதி அல்லது அருங்காட்சியகங்களுக்கான ஆவண வகைப்பாட்டிற்கு முக்கியமான கையால் எழுதப்பட்ட ஆவணங்களை ஸ்கேன் செய்யலாம். மரபியலில், இந்த நெட்வொர்க்குகள் சாத்தியமான சிகிச்சைகளை மேம்படுத்துவதில் மருத்துவ நிபுணர்களுக்கு உதவ படங்கள் மற்றும் மேப்பிங் மற்றும் முன்கணிப்பு பகுப்பாய்வு மூலம் நோய் ஆராய்ச்சிக்கான செல் கலாச்சாரங்களை மதிப்பீடு செய்யலாம். இறுதியாக, கன்வல்யூஷனல் அடுக்குகள் செயற்கைக்கோள் படங்களை வகைப்படுத்தவும், அவை என்ன என்பதை விரைவாகக் கண்டறியவும் உதவக்கூடும், இது விண்வெளி ஆய்வுக்கு உதவும்.

    கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (CNN) பயன்பாடுகள்

    கன்வல்யூஷனல் நியூரல் நெட்வொர்க்கின் (சிஎன்என்) சில பயன்பாடுகளில் பின்வருவன அடங்கும்: 

    • கதிரியக்கவியல், x-கதிர்கள் மற்றும் மரபியல் நோய்கள் உள்ளிட்ட உடல்நலப் பாதுகாப்பு நோயறிதல்களில் அதிகரித்த பயன்பாடு.
    • விண்வெளி விண்கலங்கள் மற்றும் நிலையங்கள் மற்றும் சந்திரன் ரோவர்களில் இருந்து ஸ்ட்ரீம் செய்யப்பட்ட படங்களை வகைப்படுத்த CNN களின் பயன்பாடு. பாதுகாப்பு முகமைகள் CNNகளை கண்காணிப்பு செயற்கைக்கோள்கள் மற்றும் ட்ரோன்களை தன்னாட்சி அடையாளம் மற்றும் பாதுகாப்பு அல்லது இராணுவ அச்சுறுத்தல்களை மதிப்பிடுவதற்கு விண்ணப்பிக்கலாம்.
    • கையால் எழுதப்பட்ட நூல்கள் மற்றும் பட அங்கீகாரத்திற்கான மேம்படுத்தப்பட்ட ஆப்டிகல் கேரக்டர் அறிதல் தொழில்நுட்பம்.
    • கிடங்குகள் மற்றும் மறுசுழற்சி வசதிகளில் மேம்படுத்தப்பட்ட ரோபோ வரிசைப்படுத்தும் பயன்பாடுகள்.
    • நகர்ப்புற அல்லது உட்புற கண்காணிப்பு கேமராக்களிலிருந்து குற்றவாளிகள் மற்றும் ஆர்வமுள்ள நபர்களை வகைப்படுத்துவதில் அவற்றின் பயன்பாடு. இருப்பினும், இந்த முறை சார்புகளுக்கு உட்பட்டது.
    • முகத்தை அடையாளம் காணும் தொழில்நுட்பத்தைப் பயன்படுத்துவதைப் பற்றி மேலும் பல நிறுவனங்கள் கேள்விக்குள்ளாக்கப்படுகின்றன, இதில் அவர்கள் தரவை எவ்வாறு சேகரித்து பயன்படுத்துகிறார்கள் என்பதும் அடங்கும்.

    கருத்து தெரிவிக்க வேண்டிய கேள்விகள்

    • CNNகள் கணினி பார்வையை வேறு எப்படி மேம்படுத்த முடியும் மற்றும் அதை நாம் தினசரி எவ்வாறு பயன்படுத்துகிறோம் என்று நீங்கள் நினைக்கிறீர்கள்?
    • சிறந்த பட அங்கீகாரம் மற்றும் வகைப்படுத்தலின் பிற சாத்தியமான நன்மைகள் என்ன?

    நுண்ணறிவு குறிப்புகள்

    இந்த நுண்ணறிவுக்கு பின்வரும் பிரபலமான மற்றும் நிறுவன இணைப்புகள் குறிப்பிடப்பட்டுள்ளன: