โครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) คืออะไร อธิบายแบบเข้าใจง่าย
โครงข่ายประสาทเทียมแบบคอนโวลูชัน (convolutional neural network, CNN) คือ โครงข่ายประสาทเทียมชนิดหนึ่งที่ใช้ตัวกรองขนาดเล็กเลื่อนผ่านข้อมูลที่มีลักษณะเป็นตารางอย่างรูปภาพ เพื่อค่อย ๆ เรียนรู้รูปแบบ ตั้งแต่ขอบภาพ พื้นผิว ไปจนถึงรูปร่างที่ซับซ้อน โดยไม่ต้องกำหนดคุณลักษณะด้วยมือ นิยมใช้ในงาน คอมพิวเตอร์วิทัศน์ เช่น การแยกประเภทภาพและการตรวจจับวัตถุ
หากเคยอ่านเรื่อง นิวรัลเน็ตเวิร์ก แล้ว ให้มอง CNN เป็นรุ่นที่ประหยัดกว่าสำหรับภาพ โดยนิวรอนหนึ่งจะเชื่อมต่อกับพื้นที่เพียงส่วนเล็ก ๆ ด้านหน้า แทนที่จะเชื่อมกับทุกพิกเซล
เหตุใดจึงต้องมี CNN
ภาพขนาด 100 × 100 พิกเซลมีจุดภาพถึง 10,000 จุด และภาพสีจะมีมากกว่านั้นอีก หากชั้นเชื่อมต่อสมบูรณ์ (fully connected) นำทุกจุดมาเชื่อมกับนิวรอนหลายพันตัว จำนวนน้ำหนักจะมหาศาล สิ้นเปลือง และเสี่ยงต่อการเรียนแล้วจำข้อมูลฝึกมากเกินไป
CNN แก้ปัญหานี้ด้วยหลักการสองข้อ:
- การเชื่อมต่อแบบท้องถิ่น: นิวรอนแต่ละตัวมองเห็นเพียงพื้นที่เล็ก ๆ ของข้อมูลนำเข้า ไม่ใช่ทั้งภาพ
- การใช้น้ำหนักร่วมกัน: ตัวกรองเดียวกันถูกใช้ในทุกตำแหน่ง ทำให้รูปแบบเดียว เช่น ขอบภาพ ถูกตรวจจับได้ไม่ว่าจะอยู่ตรงไหน
ส่วนประกอบหลักของ CNN
ชั้นคอนโวลูชัน
เป็นหัวใจของ CNN ตัวกรอง (เคอร์เนล) ขนาดเล็ก เช่น 3 × 3 หรือ 5 × 5 จะเลื่อนไปตามความกว้างและความสูงของข้อมูล ในแต่ละตำแหน่งจะคำนวณผลคูณระหว่างค่าตัวกรองกับพิกเซลที่ถูกทับ แล้วได้ค่าหนึ่งค่า ชุดค่าจากทุกตำแหน่งเรียกว่า แผนที่คุณลักษณะ (feature map)
ตัวกรองแต่ละตัวมักจดจำรูปแบบเดียว ตัวกรองชั้นแรก ๆ มักจับขอบหรือเส้นตรง ส่วนชั้นที่ลึกกว่าจะนำมารวมกันเป็นพื้นผิวและชิ้นส่วนของวัตถุ
คำศัพท์ที่ควรรู้:
- สไตรด์ (stride): ระยะที่ตัวกรองเลื่อนในแต่ละครั้ง สไตรด์ 2 ทำให้ผลลัพธ์เล็กลง
- แพดดิง (padding): การเติมพิกเซลว่างรอบขอบเพื่อรักษาขนาดผลลัพธ์
- เขตการรับรู้ (receptive field): พื้นที่ของข้อมูลนำเข้าที่นิวรอนหนึ่งตัว "มองเห็น"
ฟังก์ชันการกระตุ้น
หลังคอนโวลูชัน มักใช้ฟังก์ชันการกระตุ้นอย่าง ReLU ซึ่งเปลี่ยนค่าลบให้เป็นศูนย์ เพื่อเพิ่มความไม่เป็นเชิงเส้น ให้โครงข่ายเรียนรู้รูปแบบที่ซับซ้อนได้
ชั้นบ่อรวม (พูลลิง)
พูลลิงย่อขนาดแผนที่คุณลักษณะด้วยการสรุปพื้นที่เล็ก ๆ ชนิดที่พบบ่อยคือ:
- แมกซ์พูลลิง: เลือกค่าที่มากที่สุดในแต่ละพื้นที่
- แอฟเวอริจพูลลิง: ใช้ค่าเฉลี่ย
ชั้นนี้ช่วยลดการคำนวณและทำให้สัญลักษณ์ทน ต่อการเลื่อนตำแหน่งเล็กน้อยของวัตถุ
ชั้นเชื่อมต่อสมบูรณ์
ตอนท้าย แผนที่คุณลักษณะจะถูกแผ่เป็นเวกเตอร์แล้วเข้าสู่ชั้นเชื่อมต่อสมบูรณ์เพื่อตัดสินใจ เช่น ทำนายคลาส "แมว" หรือ "จักรยาน" มักใช้ซอฟต์แมกซ์เพื่อให้ค่าความน่าจะเป็น
ลำดับการไหลของข้อมูล
- รูปภาพเข้ามาในรูปชุดตัวเลขพิกเซล
- ชั้นคอนโวลูชันแรกสร้างแผนที่คุณลักษณะของขอบและเส้น
- ReLU และพูลลิงช่วยสรุปผล
- ชั้นคอนโวลูชันถัดไปจับพื้นผิวและรูปร่างที่ซับซ้อนขึ้น
- ชั้นเชื่อมต่อสมบูรณ์ทำนายคลาส
- ระหว่างการฝึก การแพร่ย้อนกลับปรับน้ำหนักตัวกรองตามค่าความผิดพลาด
ตารางเปรียบเทียบชั้นต่าง ๆ
| ชนิดชั้น | หน้าที่หลัก | ผลลัพธ์ |
|---|---|---|
| คอนโวลูชัน | ตรวจจับรูปแบบด้วยตัวกรอง | แผนที่คุณลักษณะ |
| การกระตุ้น (ReLU) | เพิ่มความไม่เป็นเชิงเส้น | แผนที่คุณลักษณะที่ทำงาน |
| พูลลิง | ย่อและสรุปข้อมูล | สัญลักษณ์ที่กะทัดรัดขึ้น |
| เชื่อมต่อสมบูรณ์ | ตัดสินใจขั้นสุดท้าย | ความน่าจะเป็นของคลาส |
จุดแข็งและข้อควรระวัง
- จุดแข็ง: เรียนตัวกรองได้เอง ให้ผลดีกับงานจดจำภาพ และมีพารามิเตอร์น้อยกว่าโครงข่ายเชื่อมต่อสมบูรณ์
- ข้อควรระวัง: ต้องการข้อมูลฝึกจำนวนมาก ใช้เวลาฝึกนาน และอาจเรียนจำข้อมูลฝึกเกินไปหากข้อมูลน้อยหรือไม่หลากหลาย
คำถามที่พบบ่อย
CNN ต่างจากนิวรัลเน็ตเวิร์กทั่วไปอย่างไร
โครงข่ายทั่วไปเชื่อมนิวรอนกับข้อมูลนำเข้าทั้งหมด ทำให้น้ำหนักมหาศาลสำหรับภาพ ส่วน CNN ใช้การเชื่อมต่อท้องถิ่นและน้ำหนักร่วมกัน จึงประหยัดกว่าและใช้ประโยชน์จากความสัมพันธ์เชิงตำแหน่งของพิกเซล
ตัวกรองหรือเคอร์เนลคืออะไร
คือเมทริกซ์ขนาดเล็กที่เลื่อนผ่านภาพเพื่อคำนวณความตรงกันของรูปแบบ ผลลัพธ์จากการเลื่อนนี้กลายเป็นแผนที่คุณลักษณะที่บอกว่ารูปแบบนั้นปรากฏที่ใด
CNN ใช้ได้เฉพาะภาพหรือไม่
ไม่เพียงภาพ CNN ยังใช้กับสัญญาณ เสียง และข้อมูลที่มีโครงสร้างตารางหรือลำดับอื่น ๆ ได้ แต่การใช้งานที่พบบ่อยที่สุดคือภาพและคอมพิวเตอร์วิทัศน์
พูลลิงมีไว้ทำไม
เพื่อสรุปพื้นที่เล็ก ๆ เป็นหนึ่งค่า ย่อขนาดแผนที่คุณลักษณะ ลดการคำนวณ และทำให้โมเดลทนต่อการเลื่อนตำแหน่งเล็กน้อยของวัตถุ
หมายเหตุของบรรณาธิการ
บทความนี้ผ่านการตรวจสอบข้ามแหล่งแล้ว โดยมีแหล่งข้อมูลอิสระสองแหล่งจากผู้เผยแพร่ต่างกัน (แหล่งภาษาไทยเดิมและ IBM Think) จึงผ่านเกณฑ์สองแหล่งอิสระ แต่ยังรอการตรวจทานจากเจ้าของภาษาก่อนเลื่อนสถานะเป็นทางการ
สรุป
โครงข่ายประสาทเทียมแบบคอนโวลูชันใช้ตัวกรองที่เลื่อนผ่าน การเชื่อมต่อท้องถิ่น และน้ำหนักร่วมกันเพื่อจดจำรูปแบบของภาพทีละขั้นด้วยพารามิเตอร์ที่ประหยัด ชั้นคอนโวลูชัน การกระตุ้น พูลลิง และชั้นเชื่อมต่อสมบูรณ์ทำงานร่วมกันเพื่อให้ได้คำตอบสุดท้าย อ่านเพิ่มเติมเกี่ยวกับ นิวรัลเน็ตเวิร์กแบบวนกลับ และ คอมพิวเตอร์วิทัศน์
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free