Tìm hiểu sơ lược về mạng tích chập CNN là cái gì ?

• Giới thiệu:

  • Trong mạng neural, mô hình mạnh neural tích chập CNN là 1 trong những mô hình để nhận dạng và hình ảnh. Trong đó, xác định đối tượng và nhận dạng khuôn mặt là 1 trong số những lĩnh vực mà CNN được sử dụng rộng rãi

  • CNN phân loại hình ảnh đầu vào bằng cách lấy hình ảnh đó, xử lý và phân loại nó theo các hạng mục nhất định mà chúng ta set vào. Máy tinh sẽ hoạt động và coi nó như là 1 mảng pixel đầu vào, và phụ thuộc vào chất lượng của hình ảnh. Dựa trên độ phân giải hình ảnh, máy tính sẽ thấy HxWxD (H: chiều cao, W: chiều rộng, D: độ dày)

  • Về kỹ thuật, mô hình CNN để training và kiểm tra, mỗi hình ảnh đầu vào sẽ chuyển nó qua 1 loạt các lớp tích chập với các bộ lọc, tổng hợp lại các lớp được kết nối đầy đủ và áp dụng hàm Softmax để phân loại đối tượng có giá trị xác suất giữa 0 và 1. Đây là ví dụ bằng luồn CNN để xử lý hình ảnh đầu vào:

  • CNN bao gồm tập hợp các lớp cơ bản bao gồm: convolution layer + nonlinear layer, pooling layer, fully connected layer. Các lớp này liên kết với nhau theo một thứ tự nhất định. Thông thường, một ảnh sẽ được lan truyền qua tầng convolution layer + nonlinear layer đầu tiên, sau đó các giá trị tính toán được sẽ lan truyền qua pooling layer, bộ ba convolution layer + nonlinear layer + pooling layer có thể được lặp lại nhiều lần trong network. Và sau đó được lan truyền qua tầng fully connected layer và softmax để tính xác xuất ảnh đó chứa vật thế gì.

  • Trong mô hình CNN có 2 khía cạnh cần quan tâm là tính bất biến và tính kết hợp. Với cùng một đối tượng, nhưng nếu mà xem xét ở các góc độ khác nhau (translation, rotation, scaling) thì độ chính xác của thuật toán sẽ bị ảnh hường. Pooling layer sẽ cho bạn tính bất biển đối với phép dịch chuyên, phép quay, phép co giãn. Tính kết hợp cục bộ cho ta các cấp độ biểu diễn thông tin từ thấp đến cao và trừu tượng hhown thông qua convolution từ các filter. Đó là lý do tại sao CNNs cho ra mô hình với độ chính xác rất cao. Cũng giống như ccash con người nhận biết các vật thể trong tự nhiên.

  • Mạng CNN sử dụng 3 ý tưởng co bản:

    • Các trường tiếp nhận cục bộ
    • Trọng số chia sẻ
    • Tổng hợp

    

Lớp tích chập - Convolution Layer:

• Là lớp đầu tiên để trích xuất các tính năng từ hình ảnh đầu vào.
• Tích chập duy trì mối quan hệ giữa các pixel bằng cách tìm hiểu các tính năng hình ảnh bằng cách sử dụng các ô vuông nhỏ của dữ liệu đầu vào.
• Nó là phép toán có 2 đầu vào như ma trận hình ảnh và 1 bộ lọc hoặc hạt nhân

• Xem xét 1 ma trận 5x5 có giá trị pixel là 0 và 1. Ma trận bộ lọc 3x3 như hình bên dưới:

• Sau đó, lớp tích chập của ma trận hình ảnh 5x5 với ma trận bộ lọc 3x3 gọi là “Feature Map” như hình bên dưới:

• Sự kết hợp của 1 hình ảnh với các bộ lọc khác nhau có thể thực hiện hoạt động như phát hiện cạnh, làm mờ, làm sắc nét bằng cách áp dụng các bộ lọc, Ví dụ dưới đây cho thấy hình ảnh tích chập khác nhau sau khi áp dụng các Kernel khác nhau:

• Quá tình trượt các bộ lọc thường có các giá trị được quy định bao gồm:

  • padding: quy định bộ đệm của bộ lọc hay chính là phần màu xám được thêm vào ảnh
  • stride: quy định bước nhảy tỏng quá trình thực hiện:

  

Bước nhảy stride:

• Stride là số pixel thay đổi trên ma trận đầu vào. Khi stride là 1 thì ta di chuyển các kernel 1 pixel. Khi stride là 2 thì ta di chuyển pixel đi 2 pixel và tiếp tục như vậy. Ví dụ với stride là 2:

Padding:

• Đôi khi padidng không phù hợp hình ảnh đầu vào ta có 2 lựa chọn:
  • Chèn thêm các số 0 vào 4 đường biên của hình ảnh
  • Cắt bớt hình ảnh tại những điểm không phù hợp với kernel

Hàm phi tuyến - ReLU: