الشبكة العصبية الالتفافية (CNN)
Convolutional Neural Network
شبكة تستخدم مرشّحات التفاف صغيرة مشتركة الأوزان تنزلق على الصورة، فتلتقط الأنماط المحلية مع عدد معاملات أقل بكثير من MLP.
نظرة عامة
| الاسم | الشبكة العصبية الالتفافية – Convolutional Neural Network |
|---|---|
| سنة الظهور | 1998 |
| الباحثون | Yann LeCun، Léon Bottou، Yoshua Bengio، Patrick Haffner |
| الورقة الأصلية | Gradient-based learning applied to document recognition DOI |
| نوع البيانات | صور، تسلسلات وسلاسل زمنية |
| المجالات | التنبؤ بالسلاسل الزمنية، الرؤية الحاسوبية، الصوت والكلام، تحليل الصور الطبية |
| الكلفة الحسابية | متوسطة؛ تتناسب مع $H\cdot W\cdot C_{in}\cdot C_{out}\cdot k^2$ لكل طبقة. |
| حجم البيانات | آلاف إلى ملايين الصور؛ مع التعلم الانتقالي تكفي مئات الصور أحياناً. |
المشكلة التي تحلها
تطبيق MLP على صورة خام يحتاج ملايين الأوزان ويتجاهل أن البكسلات المتجاورة مترابطة وأن النمط نفسه قد يظهر في أي موضع.
الخلفية والتطور
ما قبلها: الإدراك متعدد الطبقات، Neocognitron (Fukushima, 1980)
الفكرة الأساسية
بدلاً من ربط كل بكسل بكل وحدة، يُستخدم مرشّح صغير (مثل 3×3) يُطبَّق على كل موضع بالأوزان نفسها. هذا يعطي تكافؤاً مع الإزاحة (translation equivariance). طبقات التجميع (Pooling) تقلّل الأبعاد المكانية وتوسّع مجال الرؤية (receptive field) للطبقات التالية.
المخطط التفاعلي
مخطط توضيحي مبسّط بأبعاد مثال صغير، وليس رسماً مطابقاً لكل تفاصيل التنفيذ الأصلي. اضغط أي طبقة لترى وظيفتها وأبعادها والعملية الرياضية.
اختر طبقة من المخطط.
المكونات
| المكوّن | الوظيفة |
|---|---|
| Input | صورة $C\times H\times W$ |
| Feature Extraction | طبقات Conv2d بمرشّحات مشتركة الأوزان |
| Activation Functions | ReLU بعد كل التفاف |
| Normalization | BatchNorm2d (في الشبكات الحديثة) |
| Pooling | MaxPool أو AvgPool لتقليل الدقة المكانية |
| Output | تسطيح ثم طبقة خطية للفئات |
| Loss Function | Cross-Entropy |
المعادلات
1. عملية الالتفاف ثنائي الأبعاد
| $X$ | خريطة الدخل |
| $W$ | نواة الالتفاف |
| $k$ | حجم النواة |
| $o$ | رقم قناة الخرج |
2. أبعاد الخرج
| $p$ | الحشو (padding) |
| $s$ | الخطوة (stride) |
| $k$ | حجم النواة |
3. عدد معاملات طبقة الالتفاف
| $C_{in},C_{out}$ | قنوات الدخل والخرج |
آلية العمل خطوة بخطوة
- تدخل الصورة كموتر $C\times H\times W$.
- تنزلق المرشّحات على الصورة لتنتج خرائط سمات.
- تطبّق ReLU ثم Pooling لتقليل الأبعاد.
- تتكرر الكتل فتصبح السمات أكثر تجريداً.
- تُسطّح السمات أو تُجمّع عالمياً (Global Average Pooling).
- تعطي الطبقة الخطية النهائية درجات الفئات.
المزايا والقيود
المزايا
- مشاركة الأوزان تقلل المعاملات بشدة.
- تحيّز استقرائي مناسب للصور (محلية، تكافؤ مع الإزاحة).
- كفاءة جيدة مع بيانات متوسطة الحجم.
القيود
- مجال الرؤية محدود في الطبقات الأولى؛ العلاقات البعيدة تحتاج عمقاً كبيراً.
- ليست ثابتة تجاه الدوران أو تغيير المقياس دون تكبير البيانات.
متى تُستخدم؟ ومتى لا؟
تناسب
- تصنيف الصور وكشف الأجسام وتجزئتها.
- الإشارات أحادية البعد (Conv1d) مثل ECG والصوت.
لا تناسب
- البيانات الجدولية غير المرتّبة مكانياً.
- المهام التي تعتمد أساساً على علاقات عالمية بعيدة دون سياق محلي.
التطبيقات
| المجال | الاستخدام |
|---|---|
| الرؤية الحاسوبية | تصنيف الصور وكشف الأجسام. |
| تحليل الصور الطبية | تحليل صور الأشعة والأنسجة. |
| الصوت والكلام | تصنيف المخططات الطيفية للصوت. |
| التنبؤ بالسلاسل الزمنية | Conv1d لاستخراج أنماط محلية من السلاسل الزمنية. |
كود PyTorch
كود تعليمي مبسّط يعمل على بيانات اصطناعية صغيرة، يغطي: الاستيراد، وتعريف النموذج، والبيانات، والتمرير الأمامي، والخسارة، والمُحسِّن، وحلقة التدريب، والتقييم، والاستدلال. ليس التنفيذ الكامل للبحث الأصلي.
# Convolutional Neural Network (CNN)
# مثال تعليمي مبسّط بـ PyTorch (ليس التنفيذ الأصلي الكامل للبحث): بيانات اصطناعية صغيرة،
# يعمل على المعالج المركزي (CPU) خلال ثوانٍ. الأرقام التي يطبعها تخص هذا المثال فقط.
# 1) استيراد المكتبات
import torch
import torch.nn as nn
import torch.nn.functional as F
torch.manual_seed(0)
# 2) تعريف النموذج
class SmallCNN(nn.Module):
def __init__(self, n_classes=2):
super().__init__()
self.features = nn.Sequential(
nn.Conv2d(1, 8, 3, padding=1), nn.BatchNorm2d(8), nn.ReLU(), nn.MaxPool2d(2), # 8×8×8
nn.Conv2d(8, 16, 3, padding=1), nn.BatchNorm2d(16), nn.ReLU(), nn.MaxPool2d(2)) # 16×4×4
self.head = nn.Linear(16 * 4 * 4, n_classes)
def forward(self, x):
return self.head(self.features(x).flatten(1))
# 3) إعداد البيانات
# صور 16×16 اصطناعية: الفئة 0 خط أفقي، الفئة 1 خط رأسي، مع ضوضاء وموضع عشوائي
def make(n):
X = torch.randn(n, 1, 16, 16) * 0.3
y = torch.randint(0, 2, (n,))
pos = torch.randint(2, 14, (n,))
for i in range(n):
if y[i] == 0: X[i, 0, pos[i], 2:14] += 1.5
else: X[i, 0, 2:14, pos[i]] += 1.5
return X, y
X_train, y_train = make(512)
X_test, y_test = make(128)
model = SmallCNN()
# 4) دالة الخسارة والمحسّن
loss_fn = nn.CrossEntropyLoss()
opt = torch.optim.Adam(model.parameters(), lr=1e-2)
# 5) حلقة التدريب (Training Loop) مع Forward Pass
EPOCHS, BATCH = 6, 32
for epoch in range(EPOCHS):
model.train()
perm = torch.randperm(len(X_train))
total = 0.0
for i in range(0, len(X_train), BATCH):
idx = perm[i:i + BATCH]
xb, yb = X_train[idx], y_train[idx]
out = model(xb) # Forward Pass
loss = loss_fn(out, yb)
opt.zero_grad()
loss.backward() # Backpropagation
opt.step()
total += loss.item() * len(idx)
if epoch % max(1, EPOCHS // 4) == 0 or epoch == EPOCHS - 1:
print(f"epoch {epoch:3d} loss={total / len(X_train):.4f}")
# 6) التقييم (Evaluation)
model.eval()
with torch.no_grad():
xb = X_test
out = model(xb)
acc = (out.argmax(dim=-1) == y_test).float().mean().item()
print(f"test accuracy = {acc:.3f}")
# 7) الاستدلال (Inference) على عيّنة جديدة
with torch.no_grad():
xb = X_test[:1]
out = model(xb)
print("predicted class:", out.argmax(dim=-1).item())
نُفّذ هذا الكود بتاريخ 2026-11-20 في 2.9 ثانية (PyTorch (CPU), Python 3 – local build machine).
من مخرجاته:
test accuracy = 1.000
عدد المعاملات القابلة للتدريب في المثال: model = 1٬810.
هذه النتائج لبيانات اصطناعية صغيرة وعدد حقب قليل، وتُثبت أن الكود يعمل فقط؛ لا تقارنها بالنتائج المنشورة.
جرّب وتعمّق
- مصمم المعماريات العصبية
- أطلس نماذج الذكاء الاصطناعي قسم آخر في الموقع
- مختبر الرؤية الحاسوبية قسم آخر في الموقع
معماريات مرتبطة
الشبكة المتبقية
Residual Network (ResNet)
تضيف وصلات تخطٍّ (skip connections) تجعل كل كتلة تتعلم الفرق المتبقي F(x) بدلاً من التحويل الكامل، فيصبح تدريب شبكات بمئات الطبقات ممكناً.
يو-نت
U-Net
معمارية تجزئة على شكل حرف U: مسار تقليص يلتقط السياق، ومسار توسيع يستعيد الدقة المكانية، مع وصلات تخطٍّ تنقل التفاصيل الدقيقة بين المستويات المتقابلة.
الشبكات الالتفافية المعززة بالانتباه
Attention-based CNN (Attention CNN)
شبكات التفافية تضيف وحدات انتباه خفيفة تعيد وزن القنوات (أي السمات أهم) أو المواقع (أين ينظر النموذج)، بتكلفة حسابية صغيرة جداً.
الشبكات العصبية متعددة الفروع
Multi-Branch Neural Networks
معماريات تعالج الدخل نفسه أو مدخلات مختلفة عبر فروع متوازية (أحجام نوى مختلفة، أو وسائط مختلفة، أو مقاييس مختلفة) ثم تدمج النتائج بالضم أو الجمع.
لا توجد نتائج مطابقة للمرشحات.
أفكار بحثية
- مقارنة CNN الخفيفة مع ViT على مجموعات صور طبية صغيرة بنفس بروتوكول التقسيم.
اقتراحات للانطلاق وليست فجوات بحثية مؤكدة؛ راجع الأدبيات الحديثة قبل اعتمادها.
اختبر فهمك
ما أبعاد خرج Conv2d بنواة 5 وحشو 0 وخطوة 1 على دخل 32×32؟
لماذا؟ باستخدام $\lfloor(32+0-5)/1\rfloor+1=28$.
ما الميزة الأساسية لمشاركة الأوزان في CNN؟
لماذا؟ المرشّح نفسه يطبّق على كل المواضع، فيتكرر اكتشاف النمط ويقل عدد الأوزان.
وبقية الخيارات: الالتفاف العادي ليس ثابتاً تجاه الدوران ويحتاج تنشيطاً ويرتبط بعدد قنوات محدد.
كم عدد معاملات Conv2d(3, 64, kernel_size=3) مع الانحياز؟
لماذا؟ $64\times(3\times9+1)=64\times28=1792$.
المراجع
LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. https://doi.org/10.1109/5.726791
Ioffe, S., & Szegedy, C. (2015). Batch normalization: Accelerating deep network training by reducing internal covariate shift. International Conference on Machine Learning (ICML), PMLR 37, 448–456. https://arxiv.org/abs/1502.03167
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. https://doi.org/10.1109/CVPR.2016.90
