د عصبي عصبي شبکه (CNN) د ژورې زده کړې ماډل یو ډول دی چې په پراخه کچه د عکس پیژندنې کارونو کې کارول کیږي. دا په ځانګړي ډول ډیزاین شوی ترڅو د لید ډیټا په مؤثره توګه پروسس او تحلیل کړي ، دا د کمپیوټر لید غوښتنلیکونو کې ځواکمن وسیله جوړوي. پدې ځواب کې، موږ به د CNN کلیدي برخو او د عکس پیژندنې دندو کې د دوی اړوند رولونو په اړه بحث وکړو.
1. قناعتي پرتونه: قانع کونکي پرتونه د CNN ساختماني بلاکونه دي. دوی د زده کړې وړ فلټرونو یا کرنلونو سیټ څخه جوړ دي چې د فیچر نقشې تولید لپاره د ان پټ عکس سره تړاو لري. هر فلټر په عکس کې یو ځانګړی نمونه یا ځانګړتیا کشفوي، لکه څنډې، کونجونه، یا جوړښت. د کنولوشن په عملیاتو کې د عکس په سر د فلټر سلیډ کول او د فلټر وزن او اړوند عکس پیچ ترمینځ د ډاټ محصول محاسبه کول شامل دي. دا پروسه په عکس کې د هر ځای لپاره تکرار کیږي، د ځانګړتیا نقشه رامینځته کوي چې د مختلف ځانګړتیاو شتون روښانه کوي.
بېلګه: راځئ یو 3 × 3 فلټر په پام کې ونیسو چې افقی څنډې کشف کوي. کله چې د ان پټ عکس سره وصل شي، دا به د ځانګړتیا نقشه تولید کړي چې په عکس کې افقی څنډو ټینګار کوي.
2. د حوض کولو پرتونه: د حوض کولو پرتونه د نمونې د نمونې د نمونې لپاره کارول کیږي چې د قانع کونکي پرتونو لخوا رامینځته شوي. دوی د فیچر نقشې ځایي ابعاد کموي پداسې حال کې چې خورا مهم معلومات ساتي. د پولینګ عملیات ترټولو عام کارول شوي میکس پولینګ دی، کوم چې د پولینګ کړکۍ کې اعظمي ارزښت غوره کوي. دا د شبکې کمپیوټري پیچلتیا کمولو کې مرسته کوي او د ان پټ عکس کې کوچني ځایي تغیراتو ته خورا قوي کوي.
بېلګه: په نقشه کې د 2 × 2 پولینګ کړکۍ سره د اعظمي پولینګ پلي کول به په هر غیر متقابل 2 × 2 سیمه کې اعظمي ارزښت وټاکي، په مؤثره توګه د ځایي ابعاد نیمایي کموي.
3. د فعالیت فعالیتونه: د فعالولو فعالیتونه CNN ته غیر خطي بڼه معرفي کوي، دا اجازه ورکوي چې پیچلې نمونې زده کړي او وړاندوینې وکړي. په CNNs کې ترټولو عام کارول شوي فعال فعالیت د اصالح شوي خطي واحد (ReLU) دی ، کوم چې محصول د اعظمي صفر او ان پټ په توګه محاسبه کوي. ReLU د دې سادگي او وړتیا له امله غوره کیږي چې د ورکیدو تدریجي ستونزې کم کړي.
بېلګه: که د نیورون تولید منفي وي، ReLU دا صفر ته ټاکي، په مؤثره توګه نیورون بندوي. که محصول مثبت وي، ReLU دا نه بدلوي.
4. په بشپړه توګه وصل شوي پرتونه: په بشپړ ډول وصل شوي پرتونه د استخراج شوي ځانګړتیاو پراساس د وروستي وړاندوینې کولو مسؤلیت لري. دوی د پخوانیو پرتونو څخه د فلټ شوي ځانګړتیا نقشه اخلي او د بشپړ تړل شوي نیورونونو لړۍ څخه تیریږي. په بشپړ ډول تړل شوي پرت کې هر نیورون په مخکینۍ پرت کې د هر نیورون سره وصل دی، دا اجازه ورکوي چې د ځانګړتیاوو ترمنځ پیچلې اړیکې زده کړي او دقیق وړاندوینې وکړي.
بېلګه: د عکس پیژندنې په دنده کې، په بشپړه توګه تړلی پرت ممکن د مختلفو ټولګیو سره ورته نیورونونه ولري، لکه "بلی،" "سپي،" او "موټر." د بشپړ وصل شوي پرت محصول د هر ټولګي پورې اړوند د ان پټ عکس احتمالي په توګه تشریح کیدی شي.
5. د ضایع فعالیت: د ضایع فعالیت د وړاندوینې شوي محصول او د ځمکې حقیقت لیبل ترمنځ توپیر اندازه کوي. دا اندازه کوي چې CNN په لاس کې په دنده کې څومره ښه فعالیت کوي او د روزنې پرمهال د ماډل پیرامیټونو تازه کولو لپاره سیګنال چمتو کوي. د ضایع کولو فنکشن انتخاب د ځانګړي عکس پیژندنې دندې پورې اړه لري، لکه د بائنری طبقه بندي لپاره باینري کراس انټروپي یا د څو درجې طبقه بندي لپاره کټګوري کراس انټروپي.
بېلګه: د بائنري ډلبندۍ په دنده کې، د بائنري کراس انټروپي ضایع د مثبت ټولګي اټکل شوي احتمال د ریښتینې لیبل (0 یا 1) سره پرتله کوي او د دوی ترمنځ لوی توپیرونه جزا ورکوي.
د عصبي عصبي شبکه (CNN) د قناعتي پرتونو څخه جوړه ده، د حوض کولو پرتونه، د فعالیت فعالیت، په بشپړه توګه تړل شوي پرتونه، او د ضایع فعالیت. قانع کونکي پرتونه د ان پټ عکس څخه معنی لرونکي ب featuresې استخراجوي ، پداسې حال کې چې د حوض کولو پرتونه د نقشې نقشه ښکته کوي. د فعالیت فعالیت غیر خطي معرفي کوي، او په بشپړه توګه تړل شوي پرتونه وروستۍ وړاندوینې کوي. د زیان فعالیت د وړاندوینې شوي محصولاتو او د ځمکې ریښتیني لیبلونو ترمینځ توپیر اندازه کوي ، د روزنې پروسې لارښود کوي.
په اړه نورې وروستۍ پوښتنې او ځوابونه په ټینس فلو کې عصبي شبکې:
- CNN څنګه د TensorFlow په کارولو سره روزل کیدی شي او اصلاح کیدی شي، او د هغې د فعالیت ارزولو لپاره د ارزونې ځینې عام معیارونه څه دي؟
- په CNN کې د بشپړ وصل شوي پرتونو رول څه دی او دوی په TensorFlow کې څنګه پلي کیږي؟
- په CNN کې د قانع کونکي پرتونو او پولینګ پرتونو هدف او عملیات تشریح کړئ.
- TensorFlow څنګه د عکس ډلبندۍ لپاره د CNN پلي کولو لپاره کارول کیدی شي؟
- په CNNs کې کنولوشنونه او پولینګ څنګه یوځای کیږي ترڅو په عکسونو کې پیچلي نمونې زده کړي او وپیژني؟
- د CNN جوړښت تشریح کړئ، پشمول د پټو پرتونو رول او په بشپړه توګه وصل شوي پرت.
- حوض کول څنګه په CNN کې د فیچر نقشې ساده کوي، او د اعظمي پولینګ هدف څه دی؟
- په CNN کې د بدلونونو پروسه تشریح کړئ او څنګه دوی په عکس کې د نمونو یا ځانګړتیاو په پیژندلو کې مرسته کوي.
- د قناعتي عصبي شبکې (CNN) اصلي برخې کومې دي او دوی څنګه د عکس پیژندنې کې مرسته کوي؟