Was sind Convolutional Neural Networks (CNNs)?

Convolutional Neural Networks beziehungsweise CNNs sind neuronale Netzwerke mit mehreren Faltungsschichten, welche insbesondere im Rahmen der Bilderkennung und Bildinterpretation zur Verwendung kommen. Das erfolgt mithilfe von künstlicher Intelligenz und maschinellem Lernen.

Auf Deutsch übersetzt heißt das künstliche neuronale Netzwerk “Gefaltetes Neuronales Netzwerk”. Diese Netzwerke sind inspiriert von biologischen Prozessen. In diesem Fall wurden sie der Sehrinde des menschlichen Gehirns nachempfunden.

Die Schichten eines Convolutional Neural Networks

Wie die Sehrinde des menschlichen Gehirns besteht auch ein Convolutional Neural Network aus drei Schichten.

• Die Convolutional-Schicht: Der so genannte Convolutional Layer ist die eigentliche Faltungsebene. Sie kann Eingabedaten analysieren und einzelne Merkmale extrahieren. Bei einer Bildverarbeitung kann diese Extraktion zum Beispiel in Form von Linien, Kanten oder bestimmten Formen als Merkmal erfolgen.
• Die Pooling-Schicht: In der Pooling Schicht können nun anhand der Inputs Operations vorgenommen werden. Es können zum Beispiel Filter angewendet oder Kalkulationen durchgeführt werden.
• Die vollständig vermaschte Schicht: Der Fully Connected Layer nutzt die Arbeit der vorherigen Layers und kann zum Beispiel Klassifizierungen durchführen bevor es zu einer Ausgabe eines Ergebnisses kommt.

Je mehr Ebenen in einem CNN zum Einsatz kommen, desto detaillierter kann die Analyser durchgeführt werden.

Wo werden Convolutional Neural Networks eingesetzt?

Der bedeutsamste Anwendungsbereich von CNNs ist die Bilderkennung. Eingesetzt werden Convolutional Neural Networks heute vor allem in der Objekterkennung und Gesichtserkennung. Doch auch in der Spracherkennung findet man sie. Besonders gute Ergebnisse werden mit CNNs im maschinellen Übersetzen erzielt.