Rangkaian Neural Konvolusi (CNN)

Rangkaian Neural Konvolusi (juga dikenali sebagai CNN) ialah sejenis rangkaian saraf tiruan yang digunakan dalam penglihatan komputer dan pembelajaran mesin. Mereka direka bentuk untuk mengenal pasti ciri dalam imej dan jenis data lain.

CNN adalah berdasarkan idea lapisan konvolusi, yang mengambil imej input dan menghantarnya melalui set penapis atau kernel untuk mengenal pasti ciri tertentu. Sebagai contoh, lapisan konvolusi boleh mengesan tepi dan bentuk dalam imej. Output lapisan konvolusi ialah vektor ciri, yang digunakan untuk mengenal pasti objek dan mengelaskannya.

Seni bina CNN terdiri daripada lapisan konvolusi, lapisan gabungan dan lapisan bersambung sepenuhnya. Lapisan konvolusi bertanggungjawab untuk mengenal pasti ciri dalam imej. Lapisan pengumpulan digunakan untuk mengurangkan dimensi vektor ciri. Lapisan bersambung sepenuhnya digunakan untuk mempelajari hubungan antara ciri dan kelas yang dikenal pasti.

CNN biasanya digunakan dalam tugas berkaitan imej, seperti pengecaman muka, pengesanan objek dan pembahagian imej. Ia juga boleh digunakan dalam pemprosesan bahasa semula jadi untuk analisis sentimen, klasifikasi teks dan sistem menjawab soalan.

Sebagai tambahan kepada aplikasi mereka dalam penglihatan komputer dan pemprosesan bahasa semula jadi, CNN juga telah digunakan dalam penjagaan kesihatan, robotik, kenderaan autonomi dan perlombongan data. Aplikasi berpotensi CNN hampir tidak terhad.

Rangkaian Neural Konvolusi ialah alat yang berkuasa untuk penglihatan komputer dan pembelajaran mesin. Dengan mengenal pasti corak dan ciri dalam imej, ia membolehkan pembangunan aplikasi berkaitan penglihatan yang tidak terkira banyaknya, daripada pengecaman muka kepada navigasi kenderaan autonomi.