कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) क्या है? संरचना और उदाहरण
कन्वोल्यूशनल न्यूरल नेटवर्क (Convolutional Neural Network, संक्षेप में CNN या ConvNet) एक ऐसा डीप लर्निंग मॉडल है जो मुख्य रूप से ग्रिड जैसे डेटा, विशेषकर छवियों के लिए बनाया गया है। हर बिंदु को जोड़ने के बजाय CNN स्थानीय कनेक्टिविटी और वज़न साझा करने के सिद्धांतों पर चलता है, जिससे प्रशिक्षण योग्य पैरामीटर कम होते हैं और मॉडल किनारों, बनावट से लेकर उच्च-स्तरीय अवधारणाओं तक की विशेषताएँ सीखता है।
संक्षिप्त उत्तर: CNN क्या करता है
CNN छोटे फ़िल्टरों को पूरी छवि पर सरकाता है और फ़ीचर मैप बनाता है, फिर पूलिंग से स्थानिक आकार घटाता है, और अंत में अक्सर फुली कनेक्टेड परत से पूर्वानुमान देता है। तीन मुख्य परतें एक के बाद एक आती हैं:
- कन्वोल्यूशन लेयर विशेषताएँ निकालती है;
- पूलिंग लेयर आकार घटाती और स्थिरता बढ़ाती है;
- फुली कनेक्टेड लेयर निर्णय लेती है।
कन्वोल्यूशन लेयर
यह मुख्य घटक है जहाँ भारी गणना होती है। छोटे फ़िल्टर (कर्नेल), उदाहरण के लिए 3×3 या 5×5, छवि की चौड़ाई और ऊँचाई पर सरकते हैं। हर स्थान पर फ़िल्टर के मानों को संबंधित छवि क्षेत्र से गुणा करके फ़ीचर मैप का एक बिंदु बनाया जाता है।
ज़रूरी शब्द:
- रिसेप्टिव फ़ील्ड: छवि का वह छोटा क्षेत्र जो एक फ़िल्टर एक बार में "देखता" है।
- स्ट्राइड: हर गणना के बाद फ़िल्टर जितने बिंदु आगे बढ़ता है; बड़े स्ट्राइड से आउटपुट छोटा होता है।
- पैडिंग: बाहरी किनारों पर जोड़ी गई जगह, अक्सर 0 से भरी, ताकि आउटपुट आकार नियंत्रित रहे।
- फ़ीचर मैप: वह परिणाम जो दर्शाता है कि कोई विशेषता कहाँ मौजूद है।
स्थानीय कनेक्टिविटी और वज़न साझा
फुली कनेक्टेड नेटवर्क छवि को एक लंबी पंक्ति में बदल देता है, जबकि कन्वोल्यूशन लेयर का हर न्यूरॉन केवल एक छोटे क्षेत्र से जुड़ता है, और एक ही फ़िल्टर हर स्थान पर दोबारा उपयोग होता है। इसके दो लाभ हैं:
- पैरामीटर काफी कम होते हैं, जिससे ओवरफ़िटिंग सीमित होती है;
- सीखी गई विशेषताओं में स्थानांतरण स्थिरता आती है, यानी मॉडल वस्तु की सटीक स्थिति पर कम निर्भर होता है।
पूलिंग लेयर
पूलिंग एक डाउनसैंपलिंग प्रक्रिया है जिसे अक्सर कन्वोल्यूशन लेयर के बाद रखा जाता है। दो सामान्य प्रकार हैं:
- मैक्स पूलिंग: हर छोटे क्षेत्र का सबसे बड़ा मान लेती है, प्रमुख विशेषता बनाए रखते हुए।
- एवरेज पूलिंग: क्षेत्र का औसत मान लेती है।
पूलिंग पैरामीटर और गणना घटाती है, स्थानिक स्थिरता बढ़ाती है और ओवरफ़िटिंग नियंत्रित करने में मदद करती है। किसी विशेषता की सटीक जगह अक्सर अन्य विशेषताओं के सापेक्ष उसकी स्थिति से कम महत्वपूर्ण होती है।
CNN की विशिष्ट संरचना
एक छवि नेटवर्क में आमतौर पर ब्लॉक इस क्रम में जुड़ते हैं:
- इनपुट छवि उसके रंग चैनलों के साथ, जैसे RGB में तीन चैनल;
- कन्वोल्यूशन और पूलिंग लेयरें बारी-बारी से विशेषताएँ निकालती हैं;
- शुरुआती परत किनारे और बनावट सीखती है, गहरी परत उन्हें जोड़कर वस्तु बनाती है;
- फ़्लैटेन करके फुली कनेक्टेड लेयर में भेजा जाता है;
- आउटपुट वर्गीकरण लेबल या प्रायिकता देता है।
CNN और कंप्यूटर विज़न
CNN कंप्यूटर विज़न के कई कार्यों की आधारशिला है, जैसे इमेज क्लासिफ़िकेशन, ऑब्जेक्ट डिटेक्शन, सीमांटिक सेगमेंटेशन और मेडिकल इमेज विश्लेषण। यह न्यूरल नेटवर्क परिवार का हिस्सा है और स्थानिक डेटा के लिए रिकरेंट नेटवर्क की पूरक भूमिका निभाता है।
शक्तियाँ और सीमाएँ
शक्तियाँ
- छवियों से स्वतः क्रमिक विशेषताएँ सीखता है, हाथ से डिज़ाइन की ज़रूरत घटाता है।
- वज़न साझा करने से मॉडल हल्का और कम ओवरफ़िट होता है।
- छवि और वीडियो डेटा पर प्रभावी।
सीमाएँ
- प्रशिक्षण के लिए अधिक डेटा और गणना संसाधन चाहिए।
- निर्णय समझाना कठिन हो सकता है।
- छवि गुणवत्ता और सुपरपैरामीटर चयन के प्रति संवेदनशील।
अक्सर पूछे जाने वाले प्रश्न
CNN सामान्य नेटवर्क से छवियों के लिए बेहतर क्यों है?
क्योंकि फ़िल्टर स्थानिक संरचना का उपयोग करते हैं और पूरी छवि पर वज़न दोबारा लगाते हैं, बजाय हर बिंदु को अलग इनपुट मानने के, जिससे कम पैरामीटर में स्थानीय पैटर्न पकड़ में आते हैं।
फ़िल्टर क्या सीखते हैं?
शुरुआती परतें किनारे और सरल बनावट पहचानती हैं, जबकि गहरी परतें उन विशेषताओं को जोड़कर अंग और पूरी वस्तु पहचानती हैं।
पूलिंग लेयर की क्या भूमिका है?
यह स्थानिक आकार घटाती है, गणना कम करती है और स्थिरता बढ़ाती है, जिससे मॉडल विशेषता की सटीक स्थिति पर कम निर्भर होता है।
पैडिंग किस लिए होती है?
पैडिंग किनारों पर जगह जोड़कर कन्वोल्यूशन के बाद आउटपुट आकार नियंत्रित करती है, अक्सर स्थानिक आकार बनाए रखने के लिए।
सारांश
कन्वोल्यूशनल न्यूरल नेटवर्क स्थानीय रूप से जुड़े और वज़न साझा करने वाले सरकते फ़िल्टरों से छवियों को संसाधित करता है, फ़ीचर मैप बनाता है और पूलिंग से आकार घटाता है। यह किनारे से वस्तु तक क्रमिक विशेषताएँ सीखता है और कंप्यूटर विज़न कार्यों की आधारशिला है। कन्वोल्यूशन और पूलिंग परतों को समझना यह जानने की बुनियादी कड़ी है कि AI छवियों को कैसे देखता है।
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free