الشبكة العصبية الالتفافية
Convolutional Neural Network (CNN)
التعريف
شبكة مصممة للصور: مرشحات Filters صغيرة تنزلق على الصورة لتكتشف حواف وأنماطاً ثم أشكالاً أعقد في الطبقات الأعمق.
الفكرة الأساسية
مشاركة الأوزان بين المواقع تجعل الشبكة تتعرف على النمط أينما ظهر وبعدد معاملات أقل بكثير من MLP. في أدوات No-Code نستخدمها غالباً بالتعلم بالنقل Transfer Learning من نموذج مدرب مسبقاً.
آلية العمل
- طبقات التفاف Convolution تستخرج خرائط خصائص
- تنشيط ReLU
- طبقات تجميع Pooling تصغّر الأبعاد
- طبقات كاملة الاتصال ثم Softmax
- بالتعلم بالنقل: نجمّد الطبقات الأولى وندرّب الأخيرة على فئاتنا
نوع البيانات ونوع المشكلة
| نوع البيانات | صور (وأحياناً إشارات صوتية كمخططات طيفية) |
|---|---|
| نوع المشكلة | تصنيف الصور وكشف الأجسام |
المزايا
- الأفضل عادة في الرؤية الحاسوبية
- التعلم بالنقل يعمل حتى مع صور قليلة
القيود
- يحتاج حساباً أكبر
- يحتاج صوراً متنوعة لتجنب التحيز
- صعب التفسير (يُستعان بخرائط الانتباه)
المعاملات المهمة
- عدد المرشحات وحجمها
- العمق
- معدل التعلم
- زيادة البيانات Data Augmentation
مقاييس التقييم
- Accuracy الدقة
- Precision وRecall
- F1-score
- Confusion Matrix مصفوفة الالتباس
- ROC AUC للتصنيف الثنائي
الأدوات التي تدعمها
| Teachable Machine | مشروع صور (تعلم بالنقل من MobileNet حسب الأسئلة الشائعة الرسمية) |
|---|---|
| Orange | Image Embedding (إضافة Image Analytics) ثم أي مصنّف |
| KNIME | عقد طبقات Keras في إضافة KNIME Deep Learning (تحتاج بيئة Python) |
أمثلة تطبيقية
- تصنيف صور الأشياء
- تصنيف صور طبية لأغراض تعليمية
- التعرف على الوجوه والإشارات
