Convolutional Neural Networks - Introduction

Kategori: Deep Learning , 31 Mart 2020 , JanFranco


Evrişimsel sinir ağları, yapay sinir ağlarının bir alt dalıdır. Bu sinir ağ modelleri, görüntüleri input alır ve görüntüler üzerinde çalışır. Yapay sinir ağı modelleri ile de resimler üzerinde çalışabilirdik ancak bu çok etkisiz bir yöntem olurdu. Bir örnek düşünelim, input resmimizin boyutu 64x64 olsun. Çok küçük bir resim olmasına rağmen, 64 * 64 * 3 = 12,288 bileşeni mevcut. Ve her bileşenin, başka bir bileşene bağlandığı kısımda ağırlıklar da olacak. Küçük bir resim için bile bu kadar fazla bileşen mevcutken, boyutu yüksek resimler gönderdiğimizde milyonlarca bileşen oluşur. Ancak biz resimdeki her nokta ile ilgilenmediğimizden, bir pattern aradığımızdan, bağlantılar aradığımızdan evrişimsel sinir ağlarını kullanmamız çok daha mantıklı olacaktır.

Evrişimsel sinir ağları genel olarak aşağıdaki katmanlardan oluşur:

Input Layer > Convolutional Layer > Pooling Layer > Fully Connected Layer > Output Layer

Yukarıda çok basit bir CNN modeli görüyoruz. Yukarıdaki katmanları ilerideki yazılarımda açıklayacağım ancak şu bilinmelidir, her model bu basit modele uymak zorunda değildir. Örneğin ResNet modelinde bu katmanlara ek olarak residiual katmanlar da mevcuttur. Ya da bir başka örnek, xception modelinde fully connected layer bulunmamaktadır.


Sonraki Yazı: Convolutions, Image Features
Yorumlar

Henüz bir yorum bulunmuyor.
Yorum bırakın