Convolutional Neural Network Là Gì, Có Cấu Trúc Thế Nào?

Mục Lục

Convolutional Neural Network là gì?
Convolutional Neural Network có cấu trúc như thế nào?
Convolutional Neural Network được xây dựng dựa trên ý tưởng nào?
Hướng dẫn cách chọn tham số phù hợp cho CNN

Convolutional Neural Network là một trong những thuật ngữ quen thuộc trong lĩnh vực công nghệ thông tin. Và thuật toán này đóng vai trò rất quan trọng với các lập trình viên hoặc những người làm về IT. Trong bài viết này, CareerLink sẽ giải đáp chi tiết Convolutional Neural Network là gì, cấu trúc và ý tưởng xây dựng để các bạn có thể hiểu rõ hơn.

Convolutional Neural Network là gì?

Convolutional Neural Network được các chuyên gia trong lĩnh vực CNTT đánh giá là một thuật toán có độ chính xác vô cùng cao và được ứng dụng rộng rãi hiện nay.

“Convolutional Neural Network (CNN) là “mạng Nơ-ron tích chập – một dạng kiến trúc mạng nơ-ron sâu (Deep Neural Network) được sử dụng trong lĩnh vực trí tuệ nhân tạo, thị giác máy tính, đặc biệt là trong việc xử lý và nhận diện hình ảnh.”

Cấu trúc CNN được lấy cảm hứng từ các mô hình kết nối của não người, đặc biệt là vỏ não thị giác, đóng vai trò thiết yếu trong việc nhận biết và xử lý các kích thích thị giác. Các nơ-ron nhân tạo trong CNN được sắp xếp để diễn giải thông tin hình ảnh một cách hiệu quả, cho phép các mô hình này xử lý toàn bộ hình ảnh. Vì CNN rất hiệu quả trong việc xác định đối tượng nên chúng thường được sử dụng cho các tác vụ thị giác máy tính như nhận dạng hình ảnh và phát hiện đối tượng, với các trường hợp sử dụng phổ biến bao gồm ô tô tự lái, nhận dạng khuôn mặt và phân tích hình ảnh y tế.

CNN sử dụng một loạt các lớp, mỗi lớp phát hiện các đặc điểm khác nhau của hình ảnh đầu vào. Tùy vào mục đích, một CNN có thể chứa hàng chục, hàng trăm hoặc thậm chí hàng nghìn lớp để nhận dạng các mẫu chi tiết. Cách tiếp cận toàn diện này của CNN giúp nó vượt trội hơn mạng nơ ron truyền thống trong một loạt các nhiệm vụ liên quan đến hình ảnh.

Convolutional Neural Network có cấu trúc như thế nào?

Cấu trúc mạng Convolutional Neural Network thường được chia thành một số lớp cơ bản, đó là:

Lớp convolutional layer (lớp chập)

Có thể nói convolutional layer (lớp chập) là một lớp cực kỳ quan trọng trong CNN vì nó cho phép bạn thực hiện được mọi phép tính. Một số khái niệm cần biết ở convolutional layer như:

– Filter map: Nếu như ANN kết nối với từng pixel của hình ảnh đầu vào thì CNN sử dụng những filter để áp vào những vùng trên hình ảnh. Các filter map này là một ma trận 3 chiều, trong đó gồm những con số. Và các con số đó lại chính là parameter.

– Padding: những giá trị bằng 0 được thêm vào lớp input.

– Feature map: thể hiện kết quả mỗi lần filter map dịch chuyển quét qua input. Mỗi lần quét như vậy sẽ xảy ra quá trình tính toán.

– Stride: biểu thị sự dịch chuyển của filter map qua hình ảnh theo giá trị từ trái qua phải.

Activation Function (chức năng kích hoạt)

Sau khi tính toán convolution, một activation function như hàm ReLU (Rectified Linear Unit) được dùng để tính phi tuyến cho mạng CNN với các giá trị tuyến tính không âm.

Ngoài ra, còn có một số hàm phi tuyến khác như sigmoid, tanh cũng có thể thay thế cho hàm ReLU nhưng ReLU thường được lựa chọn sử dụng bởi hiệu suất tốt.

Pooling layer (lớp gộp)

Lớp gộp có tác dụng làm giảm kích thước của Feature map từ lớp convolutional layer bằng cách lấy giá trị lớn nhất (max pooling) hoặc giá trị trung bình (average pooling) từ một vùng cụ thể trên Feature map.

Fully connected layer (lớp được kết nối đầy đủ)

Fully Connected Layer có vai trò đưa ra kết quả sau khi đã qua lớp chập và lớp gộp. Tại đây, sẽ thu được kết quả mô hình đã lọc thông tin của ảnh và có thể liên kết với nhau để đưa ra các dự đoán phức tạp.

Nếu fully connected layer nhận dữ liệu hình ảnh, nó sẽ chuyển thành dạng chưa được phân loại, giống như việc thực hiện phiếu bầu và đánh giá để lựa chọn ra hình ảnh chất lượng cao nhất.

Output layer (lớp cuối cùng)

Lớp cuối cùng (output layer) có chứa các nơ ron là đại diện cho các lớp phân loại và sử dụng hàm softmax để tính toán xác suất phân loại.

Convolutional Neural Network được xây dựng dựa trên ý tưởng nào?

Đến đây, bạn đọc đã nắm được khái niệm về Convolutional Neural Network là gì. Tiếp theo hãy cùng tìm hiểu tiếp về ý tưởng xây dựng mạng CNN là những gì nhé.

CNN là một trong những tập hợp của lớp Convolution chồng lên nhau. Sử dụng các hàm nonlinear activation ReLU và tanh để kích hoạt trọng số. Khi đã qua hàm thì lớp này sẽ thu được trọng số trong các node, cho ra những thông tin trừu tượng hơn cho các lớp tiếp theo.

Đặc biệt CNN có 2 khía cạnh cần phải quan tâm đó là tính bất biến (Location Invariance) và tính kết hợp (compositionality). Trong trường hợp, nếu cùng một đối tượng nhưng chiếu theo những góc khác nhau (translation, rotation, scaling) thì sẽ cho độ chính xác sẽ bị ảnh hưởng đáng kể.

Pooling layer sẽ làm bất biến tính chất đối với translation (phép dịch chuyển), rotation (phép quay) và scaling (phép co giãn). Tính kết hợp cục bộ tạo ra các cấp độ biểu diễn thông tin từ thấp đến cao và trừu tượng hơn qua convolution từ các filter.

Mạng CNN sử dụng ba ý tưởng cơ bản sau đây để xử lý dữ liệu hình ảnh hiệu quả:

Local Receptive Field (lớp trường cục bộ)

Nhiệm vụ của lớp trường cục bộ này là chia, tách lọc các dữ liệu, thông tin của ảnh thành các phần nhỏ để xác định vùng quan trọng, từ đó chọn ra những vùng ảnh có giá trị cao nhất.

Shared Weights and Bias (lớp trọng số chia sẻ)

Lớp này hỗ trợ làm giảm tối đa các tham số xuống mức tối thiểu trong CNN. Bởi trong mỗi convolution chứa riêng từng feature map và từng feature lại giúp detect một vài feature trong hình ảnh.

Pooling layer (lớp tổng hợp)

Đây gần như là lớp cuối cùng trước khi cho ra kết quả như kỳ mong muốn. Và để có được kết quả dễ hiểu và dễ dùng nhất thì pooling layer sẽ làm đơn giản hóa thông tin đầu ra (output). Nghĩa là, sau khi tính toán xong và quét qua các lớp layer thì sẽ đi đến pooling layer để lược bớt những thông tin không cần thiết.

Hướng dẫn cách chọn tham số phù hợp cho CNN

Để chọn được tham số phù hợp nhất với Convolutional Neural Network, các bạn nên lưu ý đến số lượng các yếu tố: filter size, pooling size, convolution và số lượt train test. Cụ thể như:

– Convolution layer: Sử dụng lớp chập với số lượng nhiều sẽ giúp các tác động giảm đi một cách đáng kể. Trong phần lớn các trường hợp, chỉ cần khoảng 3 đến 5 lớp cũng đã thu về kết quả như mong đợi. Còn nếu số lượng lớp này lớn hơn thì hiệu suất cao hơn nhưng hãy cân nhắc để tránh làm lãng phí tài nguyên.

– Filter size: thường thì các filter size sẽ có kích thước phổ biến là 3×3 hoặc 5×5. Và kích thước này có thể điều chỉnh để phù hợp với từng dữ liệu cụ thể.

– Pooling size: Với các hình ảnh thông thường sẽ sử dụng loại kích thước 2×2 cho ra hình ảnh tiêu chuẩn. Nếu đầu vào có dạng hình ảnh lớn hơn thì nên chuyển sang kích thước 4×4.

– Train test: Càng thực hiện train test để tối ưu hóa tham số nhiều lần thì càng có nhiều khả năng thu được các parameter tốt. Điều này giúp cho mô hình trở nên “thông minh” và hiệu quả hơn.

Hy vọng, với thông tin bài viết được chia sẻ ở trên, bạn đọc sẽ hiểu hơn về Convolutional Neural Network là gì, cấu trúc và cách lựa chọn tham số cho mạng CNN như thế nào. Truy cập Careerlink.vn để tìm hiểu thêm về các thuật ngữ khác và các thông tin việc làm hấp dẫn nhé.

Thúy Vui