Згорткавыя нейронавыя сеткі (CNN) упершыню былі распрацаваны з мэтай распазнавання малюнкаў у галіне камп'ютэрнага зроку. Гэтыя сеткі з'яўляюцца спецыялізаваным тыпам штучнай нейронавай сеткі, якая даказала сваю высокую эфектыўнасць пры аналізе візуальных даных. Развіццё CNN было абумоўлена неабходнасцю стварэння мадэляў, якія маглі б дакладна класіфікаваць і класіфікаваць выявы, і іх поспех у гэтай галіне прывёў да іх шырокага выкарыстання ў розных іншых прыкладаннях, такіх як выяўленне аб'ектаў, сегментацыя малюнкаў і нават апрацоўка натуральнай мовы.
CNN натхнёныя структурай і функцыянальнасцю глядзельнай кары галаўнога мозгу чалавека. Як і глядзельная кара, CNN складаюцца з некалькіх слаёў узаемазвязаных нейронаў, якія апрацоўваюць розныя аспекты ўваходных даных. Ключавое новаўвядзенне CNN заключаецца ў іх здольнасці аўтаматычна вывучаць і здабываць адпаведныя характарыстыкі з малюнкаў, пазбаўляючы ад неабходнасці ручной распрацоўкі функцый. Гэта дасягаецца за кошт выкарыстання згортчных слаёў, якія прымяняюць фільтры да ўваходнага відарыса для выяўлення розных візуальных узораў і функцый, такіх як краю, вуглы і тэкстуры.
Першы прарыў у CNN адбыўся з увядзеннем архітэктуры LeNet-5 Янам Лекунам і інш. у 1998 г. LeNet-5 быў спецыяльна распрацаваны для распазнання рукапісных лічбаў і дасягнуў выдатных паказчыкаў на наборы даных MNIST, эталонным наборы даных, які шырока выкарыстоўваецца для ацэнкі алгарытмаў распазнавання малюнкаў. LeNet-5 прадэманстраваў моц CNN у фіксацыі іерархічных функцый з малюнкаў, дазваляючы дакладную класіфікацыю нават пры наяўнасці варыяцый у маштабе, кручэнні і трансляцыі.
З тых часоў CNN значна развіліся, распрацаваўшы больш глыбокія і складаныя архітэктуры. Адным з прыкметных дасягненняў стала ўвядзенне Алексам Крыжэўскім і інш. архітэктуры AlexNet. у 2012 годзе. AlexNet дасягнуў прарыву ў класіфікацыі малюнкаў, выйграўшы ImageNet Large Scale Visual Recognition Challenge (ILSVRC) са значна меншым узроўнем памылак у параўнанні з папярэднімі падыходамі. Гэты поспех адкрыў шлях для шырокага прыняцця CNN у задачах распазнавання малюнкаў.
CNN таксама паспяхова прымяняюцца для іншых задач камп'ютэрнага зроку. Напрыклад, пры выяўленні аб'ектаў CNN можна камбінаваць з дадатковымі слаямі для лакалізацыі і класіфікацыі аб'ектаў на малюнку. Знакамітая згорткавая нейронавая сетка на аснове рэгіёнаў (R-CNN), прадстаўленая Росам Гіршыкам і інш. у 2014 годзе з'яўляецца прыкладам такой архітэктуры. Кампанія R-CNN дасягнула самых сучасных вынікаў у тэстах выяўлення аб'ектаў, выкарыстоўваючы магчымасці CNN для вылучэння функцый і спалучаючы іх з метадамі прапановаў па рэгіёнах.
Згорткавыя нейронавыя сеткі ўпершыню былі распрацаваны для задач распазнавання малюнкаў у галіне камп'ютэрнага зроку. Яны зрабілі рэвалюцыю ў гэтай галіне, аўтаматычна вывучаючы адпаведныя функцыі з малюнкаў, ухіляючы неабходнасць ручной распрацоўкі функцый. Развіццё CNN прывяло да значнага прагрэсу ў класіфікацыі малюнкаў, выяўленні аб'ектаў і розных іншых задачах камп'ютэрнага зроку.
Іншыя апошнія пытанні і адказы адносна EITC/AI/ADL Паглыбленае глыбокае навучанне:
- Чаму нам трэба ўжываць аптымізацыю ў машынным навучанні?
- Калі адбываецца пераабсталяванне?
- Ці могуць згорткавыя нейронныя сеткі апрацоўваць паслядоўныя даныя, уключаючы згорткі з цягам часу, як гэта выкарыстоўваецца ў мадэлях Convolutional Sequence to Sequence?
- Ці абапіраюцца генератыўныя канкурэнтныя сеткі (GAN) на ідэю генератара і дыскрымінатара?