الشبكات العصبية الالتفافية CNN – الدرس الأول

time lapse photography of blue lights
Photo by Pixabay on Pexels.com

ماهي الشبكات العصبونية الالتفافية Convolutional neural network؟

هي نوع خاص من الشبكات العصبونية أمامية التغذية Forward Feeding، والتي تستمد إلهامها من العمليات البيولوجية الحاصلة في الفص البصري في دماغ الكائنات الحية حيث تعتبر حل للكثير من مشاكل الرؤية الحاسوبية والذكاء الصنعي.

 جاء اسمها “الشبكات العصبية التلفيفية” او الالتفافية لأن جداء التلاف Convolution يعد مرحلة أساسية فيها، ومنه تعرف الشبكات العصبية التلفيفية بكونها شبكات عصبية تستخدم عملية جداء التلاف عوضا عن جداء المصفوفات العام في طبقة واحدة على الأقل من طبقاتها.

اكتسبت الشبكات العصبونية الالتفافية في السنوات الأخيرة أهمية كبيرة في مسائل التصنيف Classification  حيث تم تصميم نماذج لهذه الشبكات خصيصا لمعالجة المصفوفات متعددة الأبعاد، ففي عام ١٩٨٦ كان الباحثان Hubel و Wiesel يفحصان القشرة البصرية للقط عندما اكتشفوا أنها تشتمل على مناطق فرعية كانت فوق بعضها البعض لتغطية المجال البصري بأكمله, حيث تعمل هذه الطبقات كمرشحات تقوم بمعالجة صور الإدخال والتي يتم تمريرها بعد ذلك إلى الطبقات اللاحقة.

 وفي عام  ١٩٩٨ حاول  LeCun Yann وJoshua Bagno تصوير الخلايا العصبية في القشرة البصرية للقط، كشكل من أشكال الشبكة العصبية الاصطناعية مما أدى إلى تأسيس أول شبكة عصبونية التفافية، فكانت LENET واحدة من أولى الشبكات العصبية الالتفافية التي ساعدت في دفع مجال التعلم العميق، وقد تم تسمية هذا العمل الرائد من قبل LeCun Yann باسم LENET 5 بعد العديد من المحاولات الناجحة. في ذلك الوقت، تم استخدام بنية LENET بشكل أساسي لمهام التعرف على الأحرف مثل قراءة الرموز البريدية والأرقام وما إلى ذلك. في عام 2012  قام Krizhevsky  باستخدام CNN للفوز في تحدي ImageNet Classification حيث قام بتدريب شبكة CNN على آلاف الصور ونجح في مرحلة الاختبار بتصنيف الصور بنسبة خطأ معقولة وفي غضون ذلك تطورت CNN بشكل ملحوظ واعتمدت لاحقا في حل العديد من مهام الرؤية الحاسوبي.

المصدر: https://hiast.edu.sy/sites/default/files/MasterPHD/5e133bcc85875.pdf