convolutional neural networks

• tek bir fotoğraf kullanarak, yüzünüzün 3 boyutlu modelini tahmin etmeye çalışabilen derin öğrenme teknolojisi. şimdilik her durumda başarılı sonuçlar vermiyor olsa dahi, oldukça hızlı olduğu söylenebilir.
  
  bu haliyle bir işe yaramaz gibi görünse de, bu teknolojiler geliştikçe imkan sağlayabileceği şeyler yalnızca hayallerimizle sınırlı. en dandik olanı bile 3d yazıcıda kendi modelinizi basmaya yarayabiliyor.
  
  deneme yapmak isteyenler için link
  
  ilgilisine makale: 3d face reconstruction
• on kusur yilda suyunu sika sika yapilabilecek her turlu optimizasyon saglandiktan sonra, 2020'lerin dunyasinda (bkz: convnext) yerini transformerlarla harmanlanmakta bulmustur.
  
  transformerlardan farkli olarak resmin farkli yerlerini iliskilendirmek explicit degil, pooling ile implicit yapildigi icin, yeterince train edilirse transformerlardan daha kotu performans gosterir ama cok verimli bir parametrizasyona sahiptir (cunku bir filtre butun resmin uzerinden buyutecle gecer, transformerdaysa boyle bir sliding yoktur).
  
  pratikte bu yeterlidir ama ozellikle son 5 yildir transformerlar o kadar ilerledi ki, hardware bile transformer'i nasil hizli calistirilir uzerine yogunlasti. sonuc olarak, 80-90 milyon parametreye sahip transformerlar da imagenet benchmark'inda zirveye cikti.
• image processing'te çığır açmış computer vision'ı artık deep learning'e bağlamış olan network. yakın piksellerin birbirleriyle ilişkili olması durumunu pencere pencere filtreler kullanarak öğrenmeye dayalı. image dışında ardışık ve birbiriyle ilişkili veri içeren diğer sinyaller üzerinde de kullanılıyor.
• esas düşünce olarak standart neural networke benzese de input olarak görüntü alabilen ve görüntü içerisindeki ekstra özellikleri de sisteme dahil edebilmeyi sağlayan bir deep learning mimarisidir.
  
  özellikle görüntü tabanlı alanlarda daha çok kullanılıyor ve filtreler kullanılarak tüm görüntü üzerinden geçiyor, geçerken de piksellerden bilgiler ediniyor; kabaca böyle anlatabiliriz.
  
  aynı zamanda cnn ve convnet olarak da bahsedilir kendisinden yabancı kaynaklarda.
  
  bu mimariye örnek olarak da alexnet, googlenet gibi uygulamaları verebiliriz.
• image processing'de kullanilan oldukca populer deep learning yontemidir. calisma mantigi beyindeki noronlarin arasindaki iletime benzedigi icin boyle bir ad almistir.
  
  buradan
  da 30 farkli ilgi cekici kullanimina bakabilirsiniz.
• recurrent neural networks (bkz: lstm) ile birlikte derin öğrenmenin (bkz: deep learning) iki ana mimarisinden birisidir. yaygın olarak görüntü tanıma için kullanılmakla birlikte doğal dil işlemede de kullanılmaktadır. basite indirgemek gerekirse yapay sinir ağlarının biraz atraksiyonlusu denilebilir.
  
  öğrenilmek istiyorsa en güzel kaynak budur: [http://cs231n.stanford.edu/ http://cs231n.stanford.edu/]
• ks. cnn.
  
  bir cesit feed forward neural network cesidi. en onemli ozelligi layerlar birbirine baglanirken her layerin inputu matris convolutionu yapip bir pooling uygular.
  
  benim icin conv operasyonunun intuitioni ozet almaktir. adim adim input datasindaki patternlari kesfetmek icin idealdir.
  
  ımaj klasifikasyonu icin cok asiri kullanilir. ama son gunlerde facebook'un da atilimlariyla translate problemleri icin de kullanilmaya baslanmistir.
• autoencoder ile pattern ler bulan daha sonra bu patternlerden ölcekten bağımsız patternler bulan bir karışık birfonksiyondur. pek türkçe gibi durmuyor ama öyle maalesef. layerleri o işe yarıyor. görüntüden tanımlayacağı ufak detayları bulup onun büyük detayalara çeviriyor. meselea yeterince kedi resmi gösterirsen ilerdeki bir layer de kedi gözünü ayır etmeye başlar. convolution layerları aslında autoencoder dır. yani örnekleri kümelendirir görüntü için konuşursak eğer ilk layer genelde çizgi doku gibi temel şekilleri tanır. sonra pooling layer ile bu şekiller birleştirip daha büyük şekiller tanımlanmaya başlar. sonra asıl işi yapan ağa bağlanır. ama arada başka bir doğrusallığı artıran rektife ünitesi vardır. yoksa çok kaotik sonuçları oluşur.
• aslında baz aldıkları işlem convolution değil onun çok benzeri bir operasyon olan cross correlationdır. ama anlaşılan araştırmacılar bunun ismini koyarken pek özen göstermemişler bu mevzuya.