CNN Katmanları

CNN oluşturmak için kullanılan üç tür katman vardır:
Convolutional Layer,
Pooling Layer,
Fully-Connected Layer

Diğer yazımızda CNN’e biraz giriş yapmıştık. Şimdi ise yapı taşlarına değineceğiz.Keyifli okumalar.

CNN oluşturmak için kullanılan dört tür katman vardır:

  1. Convolutional Layer,
  2. Pooling Layer,
  3. Flattening Layer
  4. Fully-Connected Layer 

1. Evrişimli Katmanlar(Convolutional Layer)

Convolutional Layer, filtrelerden ve özellik haritalarından oluşur.

Filtreler

Filtreler, katmanın “nöronlarıdır”. Girdi ağırlıkları vardır ve bir değer çıkarır. Giriş boyutu, yama veya alıcı alan adı verilen sabit bir karedir.

Evrişimli katman bir girdi katmanı ise, bu durumda giriş yaması piksel değerleri olacaktır. Ağ mimarisinde daha derin ise, evrişimli katman önceki katmandan bir özellik haritasından girdi alacaktır.

Özellik Haritaları

Özellik haritası, önceki katmana uygulanan bir filtrenin çıktısıdır.

Belirli bir filtre, her seferinde bir piksel taşınarak önceki katmanın tamamı boyunca çizilir. Her pozisyon, nöronun aktivasyonu ile sonuçlanır ve çıktı özellik haritasında toplanır. Alıcı alanın etkinleştirmeden etkinleştirmeye bir piksel kaydırılması durumunda, alanın (alan genişliği – 1) giriş değerleri ile önceki etkinleştirmeyle çakışacağını görebilirsiniz.

Sıfır Dolgu

Filtrenin önceki katmandan giriş boyunca hareket ettiği mesafeye her aktivasyona adım adı verilir .

Önceki katmanın boyutu, filtrelerin alıcı alan boyutuna ve adımın boyutuna net bir şekilde bölünemiyorsa, alıcı alanın giriş özelliği haritasının kenarını okumaya çalışması mümkündür. Bu durumda, alıcı alanın okuması için sahte girdiler icat etmek için sıfır doldurma gibi teknikler kullanılabilir.

image-16 CNN Katmanları Haberler
image-12 CNN Katmanları Haberler
Filtre
image-17 CNN Katmanları Haberler

2. Pooling Layers

Pooling Layers, bir veya daha fazla evrişimli katman dizisini takip eder ve önceki katmanlar özellik haritasında öğrenilen ve ifade edilen özellikleri birleştirmeyi amaçlar. Bu nedenle havuzlama, özellik temsillerini sıkıştırmak veya genelleştirmek için bir teknik olarak düşünülebilir ve genel olarak eğitim verilerinin modele göre aşırı uyumunu azaltır.

Onların da, genellikle evrişimli katmandan çok daha küçük bir alıcı alanı vardır. Ayrıca, her aktivasyon için alıcı alanın hareket ettirildiği adım veya giriş sayısı, herhangi bir örtüşmeyi önlemek için genellikle alıcı alanın boyutuna eşittir.

İlgili Haber  Twitter Gelmiş Geçmiş En Önemli Özelliğini Duyurdu

Birleştirme katmanları genellikle çok basittir, kendi özellik haritasını oluşturmak için girdi değerinin ortalamasını veya maksimumunu alır.

image-18 CNN Katmanları Haberler

3. Flattening Layer

Bu katmanın görevi basitçe, son ve en önemli katman olan Fully Connected Layer’ın girişindeki verileri hazırlamaktır. Genel olarak, sinir ağları, giriş verilerini tek boyutlu bir diziden alır. Bu sinir ağındaki veriler ise Convolutional ve Pooling katmanından gelen matrixlerin tek boyutlu diziye çevrilmiş halidir.

image-19 CNN Katmanları Haberler

4.Fully Connected Layer

Fully Connected Layer, normal düz ileri beslemeli sinir ağı katmanıdır.

Bu katmanlar, sınıf tahminlerinin olasılıklarını çıkarmak için doğrusal olmayan bir aktivasyon işlevine veya bir softmax aktivasyonuna sahip olabilir.

Fully Connected Layer, öznitelik çıkarıldıktan ve evrişimli ve havuz katmanları tarafından konsolidasyon gerçekleştirildikten sonra ağın sonunda kullanılır. Son doğrusal olmayan özellik kombinasyonlarını oluşturmak ve ağ tarafından tahminler yapmak için kullanılırlar.

fully-connected-ltr CNN Katmanları Haberler

E-bültene Abone Ol Merak etmeyin. Spam yapmayacağız.

Yazar

Bilgisayar Mühendisliğinden eylülde mezun oluyorum. Yapay zeka konusunda yeniyim fakat bilgimi geliştirmek için çeşitli eğitimler alıp bu alanda güzel işler başarmak istiyorum. Bir bütünün parçası olarak hareket etmeyi seviyorum ve attığım adımları bu doğrultuda atıyorum.

seymaktas.6798@gmail.com

İlgili Yazılar

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Hızlı yorum için giriş yapın.

Başka Yazı Yok

Kayıt Ol

VEYA

Zaten üye misiniz? Giriş Yap

Giriş Yap

VEYA

Henüz üyeliğiniz yok mu? Kayıt Ol

close

Abone ol!