الشبكات العصبونية الالتفافية | CONVOLUTIONAL NEURAL NETWORKS (CNNs)

ما هي الشبكات العصبونية الالتفافية؟

هي نوع من أنواع الشبكات العصبونية الاصطناعية المُصممة لتعمل بطريقة تحاكي النظام البصري لدى الإنسان. حيث تستخدم بشكل أساسي في تطبيقات التعلم العميق التي تهدف إلى تصنيف الصور أو تجميع الصور المتشابهة أو التعرف على الأشياء في الصور ومقاطع الفيديو، مثل التعرف على الوجوه أو الأشخاص أو الأورام في الصور الطبية وغيرها.

تتميز الشبكات العصبونية الالتفافية بقدرتها على تحديد أهمية الأشياء والعناصر الموجودة ضمن الصور والتمييز بينها. وتتطلب قدراً أقل من المعالجة المُسبقة لصور الدخل مقارنة بغيرها، وذلك نظراً لكونها قادرة على تعلم استخلاص الميزات تلقائياً عند تدريبها بشكل كافي. كما أنها تقوم بتخفيض الصور إلى شكل تسهل معالجته دون فقدان الميزات الضرورية للحصول على النتائج المتوقعة.

تلعب الشبكات العصبونية الالتفافية دوراً رئيسياً في تطبيقات الذكاء الاصطناعي عموماً والرؤية الحاسوبية على وجه الخصوص؛ مثل السيارات ذاتية القيادة والتعرف على الوجوه وأنظمة توصيات المحتوى وغيرها الكثير. ومن أهم الشبكات المتاحة اليوم شبكة لي نت (LeNet) وأليكس نت (AlexNet) وجوجل نت (GoogLeNet).

كيف تعمل الشبكات العصبونية الالتفافية؟

تتألف الشبكات العصبونية الالتفافية من طبقات متعددة يكون خرج كل منها عبارة عن دخل للطبقة التالية. وتتمثل وظيفة الطبقة الأولى عادةً بتحديد الميزات الأولية في الصور مثل الحواف الأفقية والعمودية والقطرية. ثم تقوم الطبقة التالية بتحديد الميزات الأعقد مثل الزوايا أو الأشكال الناتجة عن تجميع الحواف. ومع التقدم من طبقة إلى أخرى تبدأ عملية تحديد الميزات عالية المستوى مثل الأشياء والوجوه وغيرها.