Jaringan Saraf Konvolusional untuk Pengenalan Gambar

โครงข่ายประสาทเชิงคอนโวลูชันหรือ CNN คือสถาปัตยกรรมการเรียนรู้เชิงลึกที่ออกแบบมาโดยเฉพาะเพื่อประมวลผลข้อมูลที่มีโครงสร้างแบบกริดอย่างภาพพิกเซล

ชั้นคอนโวลูชันใช้ฟิลเตอร์ที่เรียนรู้ได้กับแผนที่คุณลักษณะอินพุตทั้งหมด แต่ละฟิลเตอร์ตรวจจับรูปแบบท้องถิ่นเช่นขอบ พื้นผิว หรือรูปทรงที่เฉพาะเจาะจง

ชั้น pooling ลดมิติเชิงพื้นที่โดยนำค่าสูงสุดหรือค่าเฉลี่ยในหน้าต่างเล็ก ๆ ทำให้การแทนค่ากระชับขึ้นและไม่ไวต่อการเลื่อนเล็กน้อย

สถาปัตยกรรมอย่าง ResNet นำเสนอการเชื่อมต่อแบบข้ามชั้น ช่วยให้กราเดียนต์ไหลผ่านโดยตรงไปยังชั้นต้น ๆ แก้ปัญหากราเดียนต์หายในโครงข่ายที่ลึกมาก

CNN ที่ฝึกด้วยชุดข้อมูล ImageNet ขนาดใหญ่กลายเป็นรากฐานของระบบจดจำใบหน้า การตรวจจับวัตถุแบบอัตโนมัติ และการวินิจฉัยโรคจากภาพทางการแพทย์ทั่วโลก