Evrişimli Sinir Ağı (CNN)
MimariEvrişimli Sinir Ağı nedir?
CNN, özellikle görüntü ve ızgara biçimli veriyi işlemek için tasarlanmış bir neural network türüdür. Klasik sinir ağı her pikseli ayrı ayrı ve bağımsız görür; CNN ise pikselin komşularıyla ilişkisini, yani uzamsal yapıyı yakalar. Bir kedinin kulağı resmin neresinde olursa olsun kulaktır — CNN tam da bu sezgiyi öğrenir.
Nasıl çalışır?
Kalbinde convolution •filtre kaydırma işlemi• var. Küçük bir filtre (örneğin 3x3'lük bir pencere) resmin üstünde adım adım kayar ve her noktada bir özellik haritası çıkarır. İlk katmanlar basit şeyler yakalar: kenarlar, köşeler, renk geçişleri. Daha derin katmanlar bunları birleştirip dokuları, sonra şekilleri, en sonunda "göz", "tekerlek", "yüz" gibi anlamlı parçaları tanır.
Araya pooling •boyut küçültme• katmanları girer; bunlar haritayı küçültüp en güçlü sinyalleri tutar, hem hesabı hafifletir hem modeli kaymaya karşı dayanıklı yapar. Eğitim klasik yoldan, backpropagation ile gradyanların geri akıtılmasıyla olur.
Neden önemli?
CNN, 2012'de derin öğrenme patlamasını başlatan mimaridir. Görüntü tanımayı insan seviyesine taşıdı ve yıllarca bilgisayarlı görünün standardı oldu. Bugün transformer tabanlı görüntü modelleri (ViT) sahneye çıksa da, CNN hâlâ hızı ve verimliliğiyle pek çok üründe çalışıyor — özellikle az kaynakla, cihaz üstünde çalışması gereken yerlerde.
Kullanım alanları
Yüz tanıma, tıbbi görüntü analizi (tümör tespiti, röntgen okuma), otonom araçlarda nesne algılama, kalite kontrol kameraları, fotoğraf uygulamalarındaki filtre ve sahne tanıma. Görüntünün olduğu hemen her yerde bir CNN'in izi var.