Evrişimli Sinir Ağı (CNN)

Diğer adları: Convolutional Neural Network, ConvNet, Konvolüsyonel Sinir Ağı

Kısa Tanım

Evrişimli sinir ağı, uzamsal (spatial) hiyerarşik öznitelik çıkarımı için tasarlanmış bir derin öğrenme mimarisidir. Giriş verisine öğrenilebilir çekirdekler (kernel) ile evrişim (convolution) işlemi uygulayarak yerel örüntüleri tespit eder; ardışık katmanlarda bu örüntüler soyutlanarak yüksek düzeyli temsillere dönüştürülür.

Teknik Mantık

Bir evrişim katmanında çıktı öznitelik haritası Y, giriş X ve çekirdek W için Y[i,j] = Σm Σn X[i+m, j+n] · W[m,n] + b biçiminde hesaplanır. Parametre paylaşımı (weight sharing) sayesinde parametre sayısı tam bağlı ağlara kıyasla drastik biçimde azalır. Havuzlama (pooling) katmanları uzamsal boyutu küçültürken öteleme değişmezliği (translation invariance) sağlar. Batch normalization ve artık bağlantılar (residual connections) derin mimarilerde gradyan akışını stabilize eder.

Kullanım Bağlamı

CNN, giriş verisinin uzamsal veya zamansal korelasyon içerdiği her durumda tercih edilir: görüntü sınıflandırma, nesne tespiti, semantik bölütleme ve 1B sinyal işleme gibi. Girdi boyutu arttıkça tam bağlı mimarilere göre parametre verimliliği belirgin üstünlük sağlar.

Tarımsal Bağlam

Tarımsal uygulamalarda CNN, yaprak hastalık tespiti (bitki patolojisi görüntüleri), meyve olgunluk sınıflandırması, yabancı ot tanıma ve drone/uydu görüntülerinden arazi örtüsü haritalama gibi görevlerde yaygın kullanılır. ResNet, EfficientNet gibi önceden eğitilmiş omurgalar (backbone) tarımsal veri setlerine transfer öğrenme ile adapte edilir.

Sık Karıştırılan Nokta

CNN'in öteleme değişmezliği sağladığı söylense de, bu özellik yalnızca havuzlama ve strided convolution ile kısmen elde edilir. Ölçek ve rotasyon değişmezliği mimari tarafından garanti edilmez; bu nedenle tarımsal görüntülerde veri artırma (data augmentation) ile bu eksikliğin telafi edilmesi gerekir.

Dr. Mehmet Solak — Siirt Üniversitesi, Biyosistem Mühendisliği