Una rete neurale convoluzionale (CNN o ConvNet) è un’architettura di rete per il Deep Learning che apprende direttamente dai dati.
Le CNN sono particolarmente utili per trovare dei pattern nelle immagini in modo tale da riconoscere oggetti, classi e categorie. Sono anche abbastanza efficaci nella classificazione di dati audio, segnali e serie storiche.
Come funzionano le CNN
Una rete neurale convoluzionale può avere decine o centinaia di layer, ciascuno dei quali impara a rilevare feature diverse di un’immagine. A ciascuna immagine di addestramento vengono applicati dei filtri a diverse risoluzioni e l’output di ogni immagine convoluta viene utilizzato come input per il layer successivo. I filtri possono iniziare con feature molto semplici, ad esempio la luminosità o i bordi, e diventare sempre più complessi fino a includere feature che definiscono in modo univoco l’oggetto.
Muovi i primi passi con degli esempi
Apprendimento delle feature, layer e classificazione
Una CNN è costituita da un layer di input, un layer di output e da molti layer nascosti nel mezzo.
Questi layer eseguono operazioni che alterano i dati al fine di apprendere le feature specifiche dei dati stessi. Tre dei layer più diffusi sono la convoluzione, l’attivazione o ReLU e il pooling.
- La convoluzione sottopone le immagini di input a una serie di filtri convoluzionali, ciascuno dei quali attiva determinate feature nelle immagini.
- L’unità lineare rettificata (ReLU) consente di procedere a un addestramento più rapido ed efficace mappando i valori negativi a zero e mantenendo quelli positivi. Questa operazione è talvolta definita attivazione, dal momento che solo le feature attivate vengono trasmesse al layer successivo.
- Il pooling semplifica l’output mediante l’esecuzione di un downsampling non lineare, riducendo in tal modo il numero di parametri che la rete deve apprendere.
Queste operazioni vengono reiterate su decine o centinaia di layer e ciascun layer impara a identificare feature diverse.
Esempio di una rete con numerosi layer convoluzionali. A ciascuna immagine di addestramento vengono applicati dei filtri a diverse risoluzioni e l’output di ogni immagine convoluta viene utilizzato come input per il layer successivo.
Bias e pesi condivisi
A differenza di una rete neurale tradizionale, una CNN possiede pesi e bias condivisi, uguali per tutti i neuroni nascosti in un determinato layer.
Ciò significa che tutti i neuroni nascosti rilevano la stessa feature, come un bordo o una macchia, in aree diverse dell’immagine. Ciò rende la rete tollerante alla traslazione di oggetti in un’immagine. Ad esempio, una rete addestrata a riconoscere automobili sarà in grado di farlo indipendentemente dalla posizione occupata dall’automobile nell’immagine.
Layer di classificazione
Dopo aver appreso le feature in più layer, l’architettura di una CNN passa alla classificazione.
Il penultimo layer è un layer completamente connesso che genera un vettore di dimensioni K (dove K è il numero di classi prevedibili) e che contiene le probabilità per ciascuna classe di qualsiasi immagine classificata.
L’ultimo layer dell’architettura della CNN utilizza un layer di classificazione per fornire l’output della classificazione finale.
Imaging medico: le CNN sono in grado di analizzare migliaia di esami istologici per rilevare visivamente l’eventuale presenza di cellule tumorali nelle immagini.
Elaborazione audio: il rilevamento di parole chiave può essere utilizzato in qualsiasi dispositivo dotato di microfono al fine di rilevare quando viene pronunciata una certa parola o frase (“Ehi Siri!”). Le CNN sono in grado di apprendere e rilevare con precisione le parole chiave tralasciando tutto il resto, indipendentemente dall’ambiente.
Rilevamento oggetti: la guida autonoma sfrutta le CNN per rilevare con precisione la presenza di un segnale o di altri oggetti e prendere decisioni in base all’output.
Generazione di dati sintetici: mediante l’utilizzo di reti generative avversarie (GAN) è possibile produrre nuove immagini da utilizzare in applicazioni di Deep Learning, tra cui il riconoscimento facciale e la guida autonoma.
Quando si dovrebbero usare le CNN?
Le CNN risultano particolarmente adatte quando si hanno grandi quantità di dati complessi (come i dati immagine). In più, le CNN possono essere utilizzate con i segnali e le serie storiche pre-elaborati/e per funzionare con la struttura della rete.
Ecco alcuni esempi per lavorare con segnali e CNN:
Uso di modelli pre-addestrati
Quando lavorano con le CNN, scienziati e ingegneri preferiscono partire da un modello pre-addestrato da utilizzare per apprendere e identificare le feature da un nuovo set di dati.
Modelli quali GoogLeNet, AlexNet e Inception offrono un punto di partenza per esplorare il Deep Learning, sfruttando architetture comprovate e realizzate da esperti.
Nuovi modelli ed esempi di Deep Learning
Consulta l’elenco di tutti i modelli disponibili e scopri quelli nuovi suddivisi per categoria.
Le CNN con MATLAB
Utilizzando MATLAB® con Deep Learning Toolbox™ è possibile progettare, addestrare e distribuire CNN.
Progettazione e addestramento di reti
Con Deep Network Designer è possibile importare modelli pre-addestrati o costruirne di nuovi partendo da zero.
È inoltre possibile addestrare le reti direttamente nell’app e monitorarne l’addestramento attraverso grafici di precisione, perdita e metriche di convalida.
Uso dei modelli pre-addestrati per il Transfer Learning
L’ottimizzazione di una rete pre-addestrata mediante Transfer Learning è in genere una soluzione molto più rapida e semplice rispetto all’addestramento da zero. La quantità di dati e le risorse computazionali richieste sono minime. Il Transfer Learning utilizza le conoscenze derivanti da un tipo di problema per risolvere problemi simili. Si inizia con una rete pre-addestrata, che viene utilizzata per apprendere una nuova attività. Un vantaggio del Transfer Learning è che la rete pre-addestrata ha già appreso un ampio set di feature. Ad esempio, è possibile prendere una rete addestrata su milioni di immagini e riaddestrarla per una nuova classificazione di oggetti utilizzando solo centinaia di immagini.
Accelerazione hardware con le GPU
Una rete neurale convoluzionale è addestrata su centinaia, migliaia o addirittura milioni di immagini. Quando si lavora con grandi quantità di dati e con architetture di rete complesse, le GPU possono accelerare notevolmente il tempo di elaborazione necessario per addestrare un modello.
App Deep Network Designer per la costruzione, visualizzazione e modifica interattive di reti di Deep Learning.
GPU NVIDIA® per l’accelerazione di attività computazionalmente onerose come il Deep Learning.
Una rete neurale convoluzionale (CNN o ConvNet) è un’architettura di Deep Learning che apprende direttamente dai dati. È particolarmente utile per individuare schemi nelle immagini e riconoscere oggetti, classi e categorie.
Gli strati convoluzionali applicano filtri alle immagini di addestramento a diverse risoluzioni, con ogni filtro che attiva determinate caratteristiche. L’output di ciascuna immagine convoluta viene utilizzato come input per lo strato successivo, partendo da caratteristiche semplici come la luminosità e i bordi fino ad arrivare a caratteristiche più complesse.
ReLU (Rectified Linear Unit) consente un addestramento più rapido ed efficace azzerando i valori negativi e mantenendo quelli positivi, garantendo che solo le caratteristiche attivate vengano propagate allo strato successivo.
Il pooling semplifica l’output eseguendo un sottocampionamento non lineare, riducendo il numero di parametri che la rete deve apprendere.
I pesi e bias condivisi significano che tutti i neuroni di uno stesso strato rilevano la stessa caratteristica in diverse regioni dell’immagine, rendendo la rete robusta alle traslazioni degli oggetti (ad esempio, riconoscere automobili in qualsiasi posizione nell’immagine).
Le reti neurali convoluzionali sono utilizzate nell’imaging medico per rilevare cellule tumorali, nell’elaborazione audio per il riconoscimento di parole chiave, nella rilevazione di oggetti per la guida autonoma e nella generazione di dati sintetici tramite GAN.
Le reti neurali convoluzionali sono particolarmente adatte quando si dispone di grandi quantità di dati complessi, come immagini, oppure quando si lavora con segnali o serie temporali opportunamente preprocessati per essere compatibili con la struttura della rete.
Il transfer learning utilizza una rete preaddestrata per apprendere un nuovo compito, richiedendo meno dati e risorse computazionali rispetto all’addestramento da zero. La rete preaddestrata ha già appreso un insieme ricco di caratteristiche che possono essere adattate a nuovi compiti di classificazione.
