🎯 Definicja
Convolutional Neural Network (CNN) (Sieć splotowa) to typ sieci neuronowej zaprojektowany specjalnie do przetwarzania danych mających strukturę siatki, głównie obrazów. Jej sekretem jest operacja splotu (convolution), która pozwala wykrywać wzorce (krawędzie, kształty) niezależnie od ich położenia na obrazie.
🔑 Kluczowe punkty
- Filtry (Kernels): Małe matryce (np. 3x3), które “przesuwają się” po obrazie jak lupa, szukając konkretnych cech (np. pionowej kreski).
- Lokalność: CNN patrzy na małe fragmenty obrazu naraz, a nie na wszystkie piksele jednocześnie (jak MLP).
- Pooling: Operacja zmniejszania obrazu (np. Max Pooling), która wybiera najważniejsze cechy i odrzuca szum, czyniąc sieć odporną na przesunięcia i skalowanie.
📚 Szczegółowe wyjaśnienie
CNN działa jak ludzkie oko i kora wzrokowa.
- Warstwy początkowe: Wykrywają proste prymitywy: linie, kropki, łuki.
- Warstwy środkowe: Składają prymitywy w kształty: koło, kwadrat, oko, ucho.
- Warstwy końcowe: Składają kształty w obiekty: Twarz, Kot, Samochód.
Architektura: Input -> [[Conv -> ReLU -> Pool]] * N -> Flat -> Fully Connected -> Output.
💡 Przykład zastosowania
Rozpoznawanie znaków drogowych w autonomicznych samochodach. Kamera widzi obraz. CNN analizuje go. Filtr nr 1 wykrywa kolor czerwony. Filtr nr 2 wykrywa kształt ośmiokąta. Filtr nr 3 wykrywa napis “STOP”. Sieć łączy te fakty i daje wynik: “Znak STOP (99% pewności)“.
📌 Źródła
- Yann LeCun (ojciec CNN).
- Architektury: AlexNet, VGG, ResNet.
👽 Brudnopis
- CNN działa nie tylko na obrazach 2D!
- 1D CNN: Analiza sygnałów audio (fale dźwiękowe), tekstu (NLP przed Transformerami).
- 3D CNN: Analiza wideo (obraz + czas) lub skanów medycznych (CT/MRI).