Rangkaian Neural Konvolusi (CNN)

Rangkaian Neural Konvolusional (CNN) ialah sejenis rangkaian neural khusus yang direka bentuk untuk memproses data imej. Rangkaian ini digunakan secara meluas dalam tugas seperti pengelasan imej, pengesanan objek dan pengecaman wajah.

CNN berkesan kerana rangkaian ini:

• Mengekalkan Hubungan Ruang: Memproses imej sebagai grid piksel.
• Mengurangkan Kos Pengiraan: Menggunakan pemberat yang dikongsi untuk kawasan setempat (teras).
• Mengekstrak Ciri Berhierarki: Mengesan tepi, bentuk dan corak kompleks pada setiap lapisan.

Lapisan konvolusi ialah teras CNN. Lapisan ini menggunakan penapis (teras) pada imej masukan untuk mengekstrak ciri.

Contoh:

• Masukan: Imej 5×5.
• Teras: Penapis 3×3.
• Keluaran: Peta ciri yang menyerlahkan corak.

Kami boleh menggunakan Python dan NumPy untuk mensimulasikan operasi konvolusi mudah:

import numpy as np

# Example 5x5 image
image = np.array([
    [1, 2, 3, 0, 1],
    [0, 1, 2, 3, 4],
    [1, 2, 3, 0, 1],
    [0, 1, 2, 3, 4],
    [1, 0, 1, 2, 3]
])

# Example 3x3 kernel
kernel = np.array([
    [1, 0, -1],
    [1, 0, -1],
    [1, 0, -1]
])

# Perform convolution (without padding or strides)
from scipy.signal import convolve2d
output = convolve2d(image, kernel, mode='valid')
print("Feature Map:", output)

Lapisan pengumpulan mengurangkan saiz peta ciri sambil mengekalkan maklumat penting. Jenis lazim merangkumi:

• Pengumpulan Maksimum: Mengekalkan nilai maksimum dalam sesuatu kawasan.
• Pengumpulan Purata: Mengira nilai purata dalam sesuatu kawasan.

Lapisan bersambung sepenuhnya menghubungkan semua neuron daripada satu lapisan ke lapisan seterusnya. Lapisan ini menggabungkan ciri yang diekstrak untuk membuat ramalan dalam tugas seperti pengelasan imej.

CNN yang lazim terdiri daripada:

1. Lapisan Konvolusional: Mengekstrak ciri daripada masukan.
2. Lapisan Pengumpulan: Mengurangkan dimensi peta ciri.
3. Lapisan Bersambung Sepenuhnya: Melaksanakan pengelasan atau regresi akhir.

CNN amat berkesan untuk pemprosesan imej kerana:

• Pengekstrakan ciri yang cekap dengan lapisan konvolusi.
• Pengurangan terlebih suai melalui perkongsian parameter.
• Keupayaan memproses data imej yang kompleks dengan berbilang lapisan.

Dalam pelajaran ini, kita:

• Meneroka struktur dan cara rangkaian neural konvolusi berfungsi.
• Mempelajari tentang konvolusi, pengumpulan dan lapisan bersambung penuh.
• Membincangkan kelebihan CNN dalam pemprosesan imej.

Seterusnya, kita akan membina projek pengelasan imej asas menggunakan CNN untuk mengaplikasikan perkara yang telah kita pelajari.