คู่มือสำหรับผู้เริ่มต้นใช้งาน Convolutional Neural Networks (CNN): คำอธิบายทีละขั้นตอน

การเรียนรู้เชิงลึกช่วยอำนวยความสะดวกในหลายๆ แนวทางในการมองเห็นด้วยคอมพิวเตอร์ การคำนวณทางปัญญา และการประมวลผลข้อมูลภาพอย่างละเอียด ตัวอย่างหนึ่งคือการใช้ CNN หรือ Convolutional Neural Networks สำหรับการจัดประเภทวัตถุหรือรูปภาพ อัลกอริธึมของ CNN ให้ข้อได้เปรียบอย่างมากในการจำแนกตามภาพโดยทำให้เครื่องสามารถรับรู้โลกรอบตัวได้ (ในรูปของพิกเซล) เหมือนกับที่มนุษย์ทำ

โดยพื้นฐานแล้ว CNN เป็นอัลกอริธึมการรู้จำที่ช่วยให้เครื่องได้รับการฝึกฝนมากพอที่จะประมวลผล จำแนกหรือระบุพารามิเตอร์จำนวนมากจากข้อมูลภาพผ่านเลเยอร์ สิ่งนี้ส่งเสริมการระบุวัตถุขั้นสูงและการจัดประเภทรูปภาพโดยทำให้เครื่องหรือซอฟต์แวร์สามารถระบุวัตถุที่ต้องการได้อย่างถูกต้องจากข้อมูลที่ป้อน

ระบบที่ใช้ CNN จะเรียนรู้จากข้อมูลการฝึกอบรมตามรูปภาพ และสามารถจำแนกรูปภาพที่ป้อนในอนาคตหรือข้อมูลภาพตามรูปแบบการฝึกอบรมได้ ตราบใดที่ชุดข้อมูลที่ใช้สำหรับการฝึกอบรมประกอบด้วยสัญญาณภาพที่มีประโยชน์ (ข้อมูลเชิงพื้นที่) ตัวแยกประเภทรูปภาพหรือวัตถุจะมีความแม่นยำสูง

CNN เป็นหนึ่งในแนวทางการเรียนรู้เชิงลึกที่ได้รับความนิยมมากที่สุดในปัจจุบัน ในการใช้งานที่ได้รับความนิยม เช่น ระบบการจำแนกรูปภาพของ Google Lens หรือในยานยนต์อัตโนมัติเช่น Teslas โดยเฉพาะอย่างยิ่งเนื่องจากการจดจำรูปแบบที่เชื่อถือได้ซึ่งเป็นไปได้ด้วยความช่วยเหลือของ CNN นอกเหนือจากการตรวจจับวัตถุ

เรียนรู้ แมชชีนเลิ ร์นนิง ออนไลน์จากมหาวิทยาลัยชั้นนำของโลก – ปริญญาโท, Executive Post Graduate Programme และ Advanced Certificate Program ใน ML & AI เพื่อติดตามอาชีพของคุณอย่างรวดเร็ว

แอปพลิเคชันของ CNN

การใช้ระบบที่ใช้ CNN สามารถเห็นได้ในระบบรักษาความปลอดภัย ระบบป้องกัน การวินิจฉัยทางการแพทย์ การวิเคราะห์ภาพ การจำแนกประเภทสื่อ และซอฟต์แวร์การจดจำอื่นๆ ตัวอย่างเช่น สามารถใช้ CNN กับ RNN (Recurrent Neural Network) เพื่อสร้างซอฟต์แวร์จดจำวิดีโอหรือตัวรับรู้การดำเนินการ

นี่เป็นแอปพลิเคชั่นขั้นสูงของการจัดหมวดหมู่วิดีโอ ที่อนุญาตให้ระบบระบุวัตถุในแบบเรียลไทม์จากวิดีโอโดยการวิเคราะห์ข้อมูลเชิงพื้นที่ที่มีอยู่ในเฟรมที่สร้างวิดีโอตามลำดับ

ลำดับของเฟรมเหล่านี้ยังมีข้อมูลชั่วคราวที่ช่วยจำลองข้อมูลผ่านการประมวลผลเชิงพื้นที่และเวลา ทำให้สามารถใช้สถาปัตยกรรมไฮบริดที่ประกอบด้วยการบิดและเลเยอร์ที่เกิดซ้ำ รถยนต์เทสลาและรถยนต์ Waymo ใช้ CNN เพื่อจดจำและจำแนกแง่มุมต่างๆ ของถนนและวัตถุหรือยานพาหนะที่เข้ามาโดยใช้ข้อมูลที่บันทึกโดยกล้องในแบบเรียลไทม์

สำรวจหลักสูตรของเราเกี่ยวกับการเรียนรู้ของเครื่องและปัญญาประดิษฐ์

โครงข่ายประสาทเทียมเสริมพลังให้ระบบรถยนต์ด้วยการตรวจจับเส้น การแบ่งส่วนสภาพแวดล้อม การนำทาง และการขับขี่อัตโนมัติ ความสามารถเหล่านี้ช่วยให้รถยนต์ที่ขับเคลื่อนด้วยตนเองตัดสินใจที่ซับซ้อนตามรูปแบบการจัดหมวดหมู่ เช่น การหลีกเลี่ยงวัตถุ การเปลี่ยนเลน การเร่งความเร็ว การชะลอตัว หรือหยุดโดยสมบูรณ์โดยการเบรกหากจำเป็น

อย่างไรก็ตาม สิ่งเหล่านี้เป็นการใช้งานขั้นสูงของ CNN ที่ต้องใช้ฮาร์ดแวร์และเซ็นเซอร์ เช่น GPS, RADAR, LiDAR ตลอดจนข้อมูลการฝึกอบรมจำนวนมหาศาลและสภาพแวดล้อมการประมวลผลที่มีประสิทธิภาพสูง สิ่งเหล่านี้ช่วยให้โมเดลการเรียนรู้เชิงลึกกลายเป็นระบบการตัดสินใจที่ประมวลผลข้อมูลที่เข้ามาจากเซ็นเซอร์ในแบบเรียลไทม์และดำเนินการที่เกี่ยวข้อง

ด้วยการใช้ข้อมูลจากเซ็นเซอร์ การมองเห็นของกล้องยังจัดหาการรับรู้สภาพแวดล้อม 3 มิติ (การสร้างภาพใหม่ การวิเคราะห์ความลึก ฯลฯ) และสามารถวิเคราะห์ระยะทางได้อย่างแม่นยำ (ผ่านเลเซอร์) ดังนั้น ตัวแบบจึงสามารถทำนายตำแหน่งในอนาคตของยานพาหนะหรือวัตถุได้ และสุดท้ายก็ตัดสินใจเลือกแนวทางปฏิบัติที่ดีที่สุด

โมเดลของ CNN อาศัยการจำแนกประเภท การแบ่งส่วน การโลคัลไลเซชัน และจากนั้นสร้างการคาดการณ์ สิ่งนี้ทำให้รถยนต์เหล่านี้เกือบจะตอบสนองเหมือนที่สมองของมนุษย์จะทำในสถานการณ์ใดก็ตาม หรือบางครั้งก็มีประสิทธิภาพมากกว่าคนขับของมนุษย์ด้วยซ้ำ

ซีเอ็นเอ็นกำลังเชื่อมช่องว่างระหว่างเครื่องจักรกับมนุษย์ โดยเฉพาะอย่างยิ่งเมื่อพูดถึงคอมพิวเตอร์วิทัศน์และการตรวจจับเป้าหมาย อย่างไรก็ตาม เพื่อให้เข้าใจ CNNs ก่อนอื่นเราต้องเรียนรู้เกี่ยวกับโครงข่ายประสาทเทียมและเริ่มต้นด้วยการใช้อัลกอริทึม CNN สำหรับข้อมูลภาพสองมิติ

โครงข่ายประสาทเทียมในการเรียนรู้เชิงลึกคืออะไร?

Deep Learning เป็นหนึ่งในสาขาที่สำคัญที่สุดของ Machine Learning และใช้ ANN หรือ Artificial Neural Networks (ANN) เพื่อนำไปใช้เป็นวิธีการ Machine Learning ที่อยู่ภายใต้การควบคุมดูแล ไม่ได้รับการดูแล หรือกึ่งควบคุม โมเดล Machine Learning ประเภทนี้อาศัยการประมวลผลหลายชั้นเพื่อทำงานกับฟีเจอร์ระดับสูงในข้อมูล

เลเยอร์เป็นโหนดหรือบล็อกหลายโหนดโดยพื้นฐานที่ซ้อนกันเป็นหน่วยคำนวณ เลเยอร์เหล่านี้เลียนแบบเซลล์ประสาทของมนุษย์ได้อย่างมีประสิทธิภาพและทำงานในลักษณะเดียวกับสมองของมนุษย์ ด้วยการสร้างเลเยอร์แบบค่อยเป็นค่อยไป โมเดลสามารถก้าวหน้ากว่าเลเยอร์อินพุตเริ่มต้นที่มีเฉพาะข้อมูลที่ประมวลผลล่วงหน้าได้มาก

อัลกอริธึมเครือข่ายประสาทจะดึงเอาท์พุตที่สามารถป้อนการคำนวณไปยังเลเยอร์ในอนาคตจนกว่าจะถึงเลเยอร์เอาต์พุตสุดท้าย รูปแบบนี้เป็นเครือข่ายที่โหนดทั้งหมดจากทุกเลเยอร์ที่ตามมาเชื่อมต่อกับโหนดเดียวจากเลเยอร์ก่อนหน้า เมื่อใดก็ตามที่โมเดลใช้มากกว่าสองชั้น จะจัดเป็น Deep Neural Networks (DNNs) เครือข่ายเหล่านี้ไม่ก่อให้เกิดวัฏจักรและอนุญาตให้มีการรับรู้หลายชั้น จึงแนะนำมิติต่างๆ ให้กับการคาดการณ์และการประมวลผลข้อมูลด้วย

อ่านบทความยอดนิยมของเราเกี่ยวกับการเรียนรู้ของเครื่องและปัญญาประดิษฐ์

ต่อไปนี้คือกรอบงานทั่วไปบางส่วนที่ใช้สำหรับการเรียนรู้เชิงลึก:

• TensorFlow
• Keras
• Apache MXNet

Convolutional Neural Network คืออะไร?

Convolutional Neural Networks เป็น ANN ประเภทหนึ่งที่ใช้เป็นหลักในการทำงานกับข้อมูลพิกเซลเพื่อประมวลผลภาพหรือเพื่อการจดจำภาพ CNN ใช้ใน Deep Learning สำหรับงานทั่วไปและงานบรรยายที่ใช้วิชันซิสเต็มและระบบตามคำแนะนำ

CNN เป็น ANN ที่มีประสิทธิภาพมากกว่าคล้ายกับ DNN แต่ยังคงลดความซับซ้อนของ Feedforward Neural Network เนื่องจากโดยทั่วไป CNN จะอาศัยสองชั้น ได้แก่ เลเยอร์แผนที่คุณลักษณะและเลเยอร์การแยกคุณลักษณะ อินพุตของแต่ละโหนดจะแยกคุณลักษณะเฉพาะออกจากฟิลด์การรับข้อมูลภายในของเลเยอร์ก่อนหน้า

ความสัมพันธ์ตำแหน่งระหว่างโลคัลและคุณลักษณะอื่นๆ จะถูกพล็อตหรือแมปเมื่อการสกัดเสร็จสิ้น เพื่อให้ความละเอียดในขั้นสุดท้ายมีความแม่นยำมากขึ้น เลเยอร์การบิดจะตามด้วยเลเยอร์การคำนวณที่คำนวณค่าเฉลี่ยในเครื่องและการสกัดคุณลักษณะทุติยภูมิ แม้ว่าซีเอ็นเอ็นส่วนใหญ่จะทำงานกับสองชั้น แต่การคาดคะเนนั้นแม่นยำอย่างยิ่งเนื่องจากการรวมเอาคุณสมบัติหลากหลายและการบิดเบือนค่าคงที่

โหนดในระนาบแผนที่คุณลักษณะเดียวกันสามารถเรียนรู้พร้อมกันได้เนื่องจากมีการถ่วงน้ำหนักร่วมกัน ซึ่งช่วยลดความซับซ้อนในเครือข่ายและอนุญาตให้ป้อนรูปภาพอินพุตแบบหลายมิติได้ ต่างจากโครงข่ายประสาทเทียมอื่น ๆ CNN ไม่ต้องการให้รูปภาพถูกแปลงเป็นรูปภาพที่มีความละเอียดต่ำลง เนื่องจากความต้องการในการประมวลผลต่ำ

โมเดลนี้คล้ายกับการรับรู้แบบหลายชั้น ยกเว้น CNN จะไม่มีแนวโน้มที่จะมีข้อมูลมากเกินไป ซึ่งทำให้ซับซ้อนน้อยลง สิ่งนี้ทำได้โดยการปรับแนวทาง multilayer perceptron ให้เป็นมาตรฐานผ่านพารามิเตอร์การลงโทษหรือการตัดแต่งการเชื่อมต่อที่ข้ามไป

CNN ใช้รูปแบบลำดับชั้นในข้อมูลเพื่อประกอบรูปแบบตามระดับความซับซ้อน Convolutional Neural Networks แทบไม่ต้องการการประมวลผลล่วงหน้าใดๆ เมื่อเทียบกับอัลกอริธึมการจำแนกประเภทอื่นๆ โดยเฉพาะอย่างยิ่งสำหรับรูปภาพและวิดีโอ ด้วยการใช้ NLP เราสามารถใช้ CNN เพื่อการใช้งานขั้นสูงในด้านวิทยาการหุ่นยนต์ การวินิจฉัยทางการแพทย์ และระบบอัตโนมัติ CNN ทำงานได้ดีกับเทคนิคแมชชีนเลิร์นนิงส่วนใหญ่ที่ไม่ได้รับการดูแล และคอยเพิ่มประสิทธิภาพตัวกรองแบบจำลองด้วยวิธีการเรียนรู้อัตโนมัติอย่างอิสระ

นี่คือสถาปัตยกรรมบางส่วนที่มีอยู่ของ CNNs

• GoogLeNet
• AlexNet
• เลเน็ต
• ZFNet
• ResNet
• VGGNet

นี่คือตัวอย่างการใช้งาน CNN

สมมติว่าเราต้องจำแนกนก แมว สุนัข รถ และมนุษย์จากชุดรูปภาพแบบสุ่ม ในการเริ่มต้น ก่อนอื่นเราต้องค้นหาชุดข้อมูลการฝึกอบรมที่สามารถใช้เป็นเกณฑ์มาตรฐานสำหรับการคำนวณในอนาคต ตัวอย่างของชุดข้อมูลการฝึกที่ดีคือชุดข้อมูลภาพนก แมว สุนัข รถ และมนุษย์ขนาด 50,000 64×64 พิกเซล

แต่ละเป้าหมายเหล่านี้จะกลายเป็นป้ายกำกับคลาสที่มีค่าจำนวนเต็มที่เกี่ยวข้อง ป้ายกำกับคลาสจะเป็น 'นก', 'แมว', 'สุนัข', 'รถยนต์' และ 'มนุษย์' โดยมีค่าเท่ากับ 0, 1, 2, 3 และ 4 เมื่อโมเดล CNN ได้รับการฝึกฝนโดยใช้ชุดข้อมูลนี้และเกณฑ์มาตรฐาน จะสามารถระบุตัวชี้นำที่มองเห็นได้จากข้อมูลอินพุตแบบสุ่ม แล้วจัดประเภทตามป้ายกำกับ โมเดลสุดท้ายสามารถระบุวัตถุห้าประเภท (ป้ายกำกับ) ได้อย่างแม่นยำจากชุดรูปภาพแบบสุ่มที่มีวัตถุเหล่านี้

นี่คือขั้นตอนที่จำเป็นสำหรับการสร้างแบบจำลอง CNN

• กำลังโหลดชุดข้อมูล
• กำลังเตรียมข้อมูลพิกเซล
• การกำหนดรูปแบบ
• การประเมินแบบจำลอง
• นำเสนอผลงาน.
• การสุ่มตัวอย่างที่สมบูรณ์
• พัฒนารูปแบบพื้นฐาน
• ใช้เทคนิคการทำให้เป็นมาตรฐานเพื่อปรับปรุงแบบจำลอง
• ข้อมูลเสริม.
• การสรุปแบบจำลองและการประเมินเพิ่มเติม

CNN Deep Learning เป็นสาขาที่มีแนวโน้มและโอกาสทางอาชีพที่ยอดเยี่ยม หากคุณกำลังวางแผนที่จะสร้างอาชีพใน CNN คุณสามารถดูโปรแกรมใบรับรองขั้นสูงของ upGrad ใน โปรแกรมการเรียนรู้ของเครื่องและการเรียนรู้ เชิง ลึก