CNN yani Convolutional Neural Networks teriminin ne anlama geldiğine yer veriyor, bu hususta bilinmesi gerekenlere değiniyoruz.
Görüntü işleme hususunda yaygın olarak kullanılmakta olan bir derin öğrenme algoritması olarak işlev gösteren CNN mimarisi, gelişim hızını giderek artırarak yapay zeka ile makinelerin işlevlerinin daha da artmasını mümkün hale getirmektedir.
Günümüzde NLP ile insan dili, ve seslerin tanımlanması, makinelerin insanlar gibi görüp nesneleri, yüzleri ve hareketleri algılayabilmesi, resimlerin çok yüksek doğruluk oranı ile sınıflandırılması v.b. pek çok işlevde Convolutional Neural Network algoritması, Türkçe karşılığıyla Evrişimli Sinir Ağları bilinmesi gereken terimlerdendir. Farklı operasyonlarla görsellerdeki featureları (özellikleri) yakalayıp onları sınıflandırmaktadır ve kendi içerisinde farklı katmanlara sahiptir. Convolutional Layer, Pooling ve Fully Connected olan bu katmanlardan geçmekte olan görsel, farklı işlemlere tabi tutulmakta ve derin öğrenme modeline dahil olacak kıvama gelmektedir.
CNN modelleri oluşturulduğu sırada düzensiz veri ile uğraşıldığında klasik makine öğrenmesi algoritmalarına nazaran veri ön işleme kısmı ile çok uğraşılmamaktadır. CNN, görüntü algoritmalarında görüntüyü ele almakta olan ilk katman konumundadır.
CNN modellerinde kullanılmakta olan bazı değer filtreleri bulunmaktadır. Bunlardan başlıcaları Stride yani adım, Padding yani dolgu, ReLU yani doğrusal olmayan fonksiyon, pooling yani havuzlama katmanıdır. Pooling ile gereken işlem gücü azalmakta ve yakalanan gereksiz özellikler yok sayılmaktadır. Böylece daha önemli özellikler üzerine odaklanılmaktadır.
Günümüzde bilinmekte olan başlıca CNN mimarilerine örnek verecek olursak da ; ResNet, GoogLeNet, AlexNet, LeNet, ZFNet, VGGNet örneklerini verebiliriz.