โครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) คืออะไร อธิบายแบบเข้าใจง่าย

Updated · By Viviai

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:

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:

ฟังก์ชันการกระตุ้น

หลังคอนโวลูชัน มักใช้ฟังก์ชันการกระตุ้นอย่าง ReLU ซึ่งเปลี่ยนค่าลบให้เป็นศูนย์ เพื่อเพิ่มความไม่เป็นเชิงเส้น ให้โครงข่ายเรียนรู้รูปแบบที่ซับซ้อนได้

ชั้นบ่อรวม (พูลลิง)

พูลลิงย่อขนาดแผนที่คุณลักษณะด้วยการสรุปพื้นที่เล็ก ๆ ชนิดที่พบบ่อยคือ:

ชั้นนี้ช่วยลดการคำนวณและทำให้สัญลักษณ์ทน ต่อการเลื่อนตำแหน่งเล็กน้อยของวัตถุ

ชั้นเชื่อมต่อสมบูรณ์

ตอนท้าย แผนที่คุณลักษณะจะถูกแผ่เป็นเวกเตอร์แล้วเข้าสู่ชั้นเชื่อมต่อสมบูรณ์เพื่อตัดสินใจ เช่น ทำนายคลาส "แมว" หรือ "จักรยาน" มักใช้ซอฟต์แมกซ์เพื่อให้ค่าความน่าจะเป็น

ลำดับการไหลของข้อมูล

  1. รูปภาพเข้ามาในรูปชุดตัวเลขพิกเซล
  2. ชั้นคอนโวลูชันแรกสร้างแผนที่คุณลักษณะของขอบและเส้น
  3. ReLU และพูลลิงช่วยสรุปผล
  4. ชั้นคอนโวลูชันถัดไปจับพื้นผิวและรูปร่างที่ซับซ้อนขึ้น
  5. ชั้นเชื่อมต่อสมบูรณ์ทำนายคลาส
  6. ระหว่างการฝึก การแพร่ย้อนกลับปรับน้ำหนักตัวกรองตามค่าความผิดพลาด

ตารางเปรียบเทียบชั้นต่าง ๆ

ชนิดชั้น หน้าที่หลัก ผลลัพธ์
คอนโวลูชัน ตรวจจับรูปแบบด้วยตัวกรอง แผนที่คุณลักษณะ
การกระตุ้น (ReLU) เพิ่มความไม่เป็นเชิงเส้น แผนที่คุณลักษณะที่ทำงาน
พูลลิง ย่อและสรุปข้อมูล สัญลักษณ์ที่กะทัดรัดขึ้น
เชื่อมต่อสมบูรณ์ ตัดสินใจขั้นสุดท้าย ความน่าจะเป็นของคลาส

จุดแข็งและข้อควรระวัง

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

  1. https://phyblas.hinaboshi.com/umaki20
  2. https://phyblas.hinaboshi.com/umaki21
  3. https://phyblas.hinaboshi.com/nh/tomoshibi12
  4. https://www.ibm.com/topics/convolutional-neural-networks

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free