பட செயலாக்கம்: கன்வல்யூஷன் செயல்பாடுகளுக்கான ஒரு விரிவான வழிகாட்டி

பட செயலாக்கம் என்பது கணினி பார்வையின் (computer vision) ஒரு முக்கிய அம்சமாகும், இது இயந்திரங்களை படங்களைப் "பார்க்க" மற்றும் புரிந்துகொள்ள உதவுகிறது. பட செயலாக்கத்தில் உள்ள முக்கிய நுட்பங்களில், கன்வல்யூஷன் ஒரு சக்திவாய்ந்த மற்றும் பல்துறை செயல்பாடாக விளங்குகிறது. இந்த வழிகாட்டி கன்வல்யூஷன் செயல்பாடுகளின் கொள்கைகள், பயன்பாடுகள் மற்றும் உலகளாவிய பார்வையாளர்களுக்கான செயலாக்க விவரங்கள் பற்றிய விரிவான கண்ணோட்டத்தை வழங்குகிறது.

கன்வல்யூஷன் என்றால் என்ன?

பட செயலாக்கத்தின் பின்னணியில், கன்வல்யூஷன் என்பது ஒரு கணித செயல்பாடாகும், இது இரண்டு சார்புகளை – ஒரு உள்ளீட்டுப் படம் மற்றும் ஒரு கெர்னல் (ஃபில்டர் அல்லது மாஸ்க் என்றும் அழைக்கப்படுகிறது) – இணைத்து ஒரு மூன்றாவது சார்பை, அதாவது வெளியீட்டுப் படத்தை உருவாக்குகிறது. கெர்னல் என்பது எண்களின் ஒரு சிறிய அணி ஆகும், இது உள்ளீட்டுப் படத்தின் மீது நகர்த்தப்பட்டு, ஒவ்வொரு இடத்திலும் அருகிலுள்ள பிக்சல்களின் ஒரு எடையிடப்பட்ட கூட்டுத்தொகையைச் செய்கிறது. இந்த செயல்முறை ஒவ்வொரு பிக்சலின் மதிப்பையும் அதன் சுற்றுப்புறங்களின் அடிப்படையில் மாற்றியமைக்கிறது, இது மங்கலாக்குதல், கூர்மையாக்குதல், விளிம்பு கண்டறிதல் போன்ற பல்வேறு விளைவுகளை உருவாக்குகிறது.

கணித ரீதியாக, ஒரு படம் I மற்றும் ஒரு கெர்னல் K ஆகியவற்றின் கன்வல்யூஷன் இவ்வாறு வரையறுக்கப்படுகிறது:

(I * K)(i, j) = ∑_m ∑_n I(i+m, j+n) * K(m, n)

இதில்:

• I என்பது உள்ளீட்டுப் படம்.
• K என்பது கன்வல்யூஷன் கெர்னல்.
• (i, j) என்பது வெளியீட்டு பிக்சலின் ஆயத்தொலைவுகள்.
• m மற்றும் n ஆகியவை கெர்னலில் உள்ள குறியீடுகள்.

இந்த சூத்திரம், கெர்னல் மற்றும் உள்ளீட்டுப் படத்தில் உள்ள பிக்சல்களின் தொடர்புடைய அண்டைப் பகுதிகளின் உறுப்பு வாரியான பெருக்கத்தின் கூட்டுத்தொகையைக் குறிக்கிறது. இதன் விளைவு வெளியீட்டுப் படத்தில் உள்ள தொடர்புடைய பிக்சல் இடத்தில் வைக்கப்படுகிறது.

கெர்னல்களைப் (ஃபில்டர்கள்) புரிந்துகொள்ளுதல்

கெர்னல், ஃபில்டர் அல்லது மாஸ்க் என்றும் அழைக்கப்படுகிறது, இது கன்வல்யூஷன் செயல்பாட்டின் இதயமாகும். இது எண்களின் ஒரு சிறிய அணி ஆகும், இது பயன்படுத்தப்படும் பட செயலாக்க விளைவின் வகையை தீர்மானிக்கிறது. வெவ்வேறு கெர்னல்கள் வெவ்வேறு முடிவுகளை அடைய வடிவமைக்கப்பட்டுள்ளன.

பொதுவான கெர்னல் வகைகள்:

• அடையாள கெர்னல் (Identity Kernel): இந்த கெர்னல் படத்தை மாற்றாமல் அப்படியே விடுகிறது. இதன் மையத்தில் 1 மற்றும் மற்ற எல்லா இடங்களிலும் 0 இருக்கும்.
• மங்கலாக்கும் கெர்னல்கள் (Blurring Kernels): இந்த கெர்னல்கள் அருகிலுள்ள பிக்சல்களின் மதிப்புகளை சராசரியாக்கி, இரைச்சலைக் குறைத்து படத்தை மென்மையாக்குகின்றன. பாக்ஸ் பிளர் (box blur) மற்றும் காஸியன் பிளர் (Gaussian blur) ஆகியவை உதாரணங்களாகும்.
• கூர்மையாக்கும் கெர்னல்கள் (Sharpening Kernels): இந்த கெர்னல்கள் அருகிலுள்ள பிக்சல்களுக்கு இடையிலான வேறுபாட்டை வலியுறுத்துவதன் மூலம் ஒரு படத்தின் விளிம்புகளையும் விவரங்களையும் மேம்படுத்துகின்றன.
• விளிம்பு கண்டறியும் கெர்னல்கள் (Edge Detection Kernels): இந்த கெர்னல்கள் பிக்சல் செறிவில் ஏற்படும் கூர்மையான மாற்றங்களைக் கண்டறிந்து ஒரு படத்தின் விளிம்புகளை அடையாளம் காண்கின்றன. சோபல் (Sobel), ப்ரூவிட் (Prewitt) மற்றும் லாப்லேசியன் (Laplacian) கெர்னல்கள் ஆகியவை உதாரணங்களாகும்.

கெர்னல்களின் எடுத்துக்காட்டுகள்:

மங்கலாக்கும் கெர்னல் (பாக்ஸ் பிளர்):

1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9

கூர்மையாக்கும் கெர்னல்:

 0  -1  0
-1   5 -1
 0  -1  0

சோபல் கெர்னல் (விளிம்பு கண்டறிதல் - கிடைமட்டம்):

-1  -2  -1
 0   0   0
 1   2   1

கெர்னலுக்குள் உள்ள மதிப்புகள் அருகிலுள்ள பிக்சல்களுக்குப் பயன்படுத்தப்படும் எடைகளை தீர்மானிக்கின்றன. உதாரணமாக, ஒரு மங்கலாக்கும் கெர்னலில், எல்லா மதிப்புகளும் பொதுவாக நேர்மறையாகவும், கூட்டுத்தொகை 1 (அல்லது 1-க்கு நெருக்கமான மதிப்பு) ஆகவும் இருக்கும், இது படத்தின் ஒட்டுமொத்த பிரகாசம் ஏறக்குறைய ஒரே மாதிரியாக இருப்பதை உறுதி செய்கிறது. இதற்கு மாறாக, கூர்மையாக்கும் கெர்னல்கள் வேறுபாடுகளை வலியுறுத்த பெரும்பாலும் எதிர்மறை மதிப்புகளைக் கொண்டிருக்கும்.

கன்வல்யூஷன் எவ்வாறு செயல்படுகிறது: ஒரு படிப்படியான விளக்கம்

கன்வல்யூஷன் செயல்முறையை படிப்படியாகப் பார்ப்போம்:

1. கெர்னலை வைத்தல்: கெர்னல் உள்ளீட்டுப் படத்தின் மேல்-இடது மூலையில் வைக்கப்படுகிறது.
2. உறுப்பு வாரியான பெருக்கல்: கெர்னலின் ஒவ்வொரு உறுப்பும் உள்ளீட்டுப் படத்தில் உள்ள தொடர்புடைய பிக்சல் மதிப்புடன் பெருக்கப்படுகிறது.
3. கூட்டுத்தொகை: உறுப்பு வாரியான பெருக்கல்களின் முடிவுகள் ஒன்றாகக் கூட்டப்படுகின்றன.
4. வெளியீட்டு பிக்சல் மதிப்பு: இந்த கூட்டுத்தொகை வெளியீட்டுப் படத்தில் உள்ள தொடர்புடைய பிக்சலின் மதிப்பாக மாறுகிறது.
5. கெர்னலை நகர்த்துதல்: பின்னர் கெர்னல் அடுத்த பிக்சலுக்கு (பொதுவாக ஒரு நேரத்தில் ஒரு பிக்சல், கிடைமட்டமாக) நகர்த்தப்படுகிறது. கெர்னல் முழு உள்ளீட்டுப் படத்தையும் கடக்கும் வரை இந்த செயல்முறை மீண்டும் மீண்டும் செய்யப்படுகிறது.

இந்த "நகர்த்தல்" மற்றும் "கூட்டுதல்" செயல்முறைதான் கன்வல்யூஷனுக்கு அதன் பெயரைக் கொடுக்கிறது. இது திறம்பட கெர்னலை உள்ளீட்டுப் படத்துடன் கன்வால்வ் செய்கிறது.

உதாரணம்:

ஒரு சிறிய 3x3 உள்ளீட்டுப் படம் மற்றும் ஒரு 2x2 கெர்னலை எடுத்துக்கொள்வோம்:

உள்ளீட்டுப் படம்:

1 2 3
4 5 6
7 8 9

கெர்னல்:

1 0
0 1

வெளியீட்டுப் படத்தின் மேல்-இடது பிக்சலுக்கு, பின்வரும் கணக்கீடுகளைச் செய்வோம்:

(1 * 1) + (2 * 0) + (4 * 0) + (5 * 1) = 1 + 0 + 0 + 5 = 6

எனவே, வெளியீட்டுப் படத்தின் மேல்-இடது பிக்சலின் மதிப்பு 6 ஆக இருக்கும்.

பேடிங் மற்றும் ஸ்ட்ரைட்ஸ் (Padding and Strides)

கன்வல்யூஷன் செயல்பாடுகளில் பேடிங் மற்றும் ஸ்ட்ரைட்ஸ் இரண்டு முக்கிய அளவுருக்கள் ஆகும். இந்த அளவுருக்கள் கெர்னல் உள்ளீட்டுப் படத்திற்கு எவ்வாறு பயன்படுத்தப்படுகிறது என்பதைக் கட்டுப்படுத்துகின்றன மற்றும் வெளியீட்டுப் படத்தின் அளவைப் பாதிக்கின்றன.

பேடிங்:

பேடிங் என்பது உள்ளீட்டுப் படத்தின் எல்லையைச் சுற்றி கூடுதல் பிக்சல் அடுக்குகளைச் சேர்ப்பதாகும். இது வெளியீட்டுப் படத்தின் அளவைக் கட்டுப்படுத்தவும், உள்ளீட்டுப் படத்தின் விளிம்புகளுக்கு அருகிலுள்ள பிக்சல்கள் சரியாகச் செயலாக்கப்படுவதை உறுதி செய்யவும் செய்யப்படுகிறது. பேடிங் இல்லாமல், கெர்னல் விளிம்பு பிக்சல்களுடன் முழுமையாகப் பொருந்தாது, இது தகவல் இழப்பு மற்றும் சாத்தியமான குறைபாடுகளுக்கு வழிவகுக்கும்.

பொதுவான பேடிங் வகைகள்:

• ஜீரோ-பேடிங் (Zero-padding): எல்லையானது பூஜ்ஜியங்களால் நிரப்பப்படுகிறது. இது மிகவும் பொதுவான பேடிங் வகையாகும்.
• ரெப்ளிகேஷன் பேடிங் (Replication padding): எல்லை பிக்சல்கள் அருகிலுள்ள விளிம்பு பிக்சல்களிலிருந்து நகலெடுக்கப்படுகின்றன.
• ரிஃப்ளெக்ஷன் பேடிங் (Reflection padding): எல்லை பிக்சல்கள் படத்தின் விளிம்பில் பிரதிபலிக்கப்படுகின்றன.

பேடிங்கின் அளவு பொதுவாக எல்லையைச் சுற்றி சேர்க்கப்பட்ட பிக்சல் அடுக்குகளின் எண்ணிக்கையாகக் குறிப்பிடப்படுகிறது. உதாரணமாக, padding=1 என்பது படத்தின் எல்லா பக்கங்களிலும் ஒரு அடுக்கு பிக்சல்களைச் சேர்க்கிறது.

ஸ்ட்ரைட்ஸ்:

ஸ்ட்ரைடு என்பது ஒவ்வொரு படியிலும் கெர்னல் எத்தனை பிக்சல்கள் நகர்கிறது என்பதைத் தீர்மானிக்கிறது. ஸ்ட்ரைடு 1 என்றால் கெர்னல் ஒரு நேரத்தில் ஒரு பிக்சல் நகர்கிறது (இது இயல்புநிலை). ஸ்ட்ரைடு 2 என்றால் கெர்னல் ஒரு நேரத்தில் இரண்டு பிக்சல்கள் நகர்கிறது, இப்படியே தொடரும். ஸ்ட்ரைடை அதிகரிப்பது வெளியீட்டுப் படத்தின் அளவைக் குறைக்கிறது மற்றும் கன்வல்யூஷன் செயல்பாட்டின் கணக்கீட்டுச் செலவையும் குறைக்கலாம்.

1-ஐ விட பெரிய ஸ்ட்ரைடைப் பயன்படுத்துவது, கன்வல்யூஷனின் போது படத்தை திறம்பட டவுன்சாம்பிள் செய்கிறது.

கன்வல்யூஷன் செயல்பாடுகளின் பயன்பாடுகள்

கன்வல்யூஷன் செயல்பாடுகள் பல்வேறு பட செயலாக்க பயன்பாடுகளில் பரவலாகப் பயன்படுத்தப்படுகின்றன, அவற்றுள் சில:

• பட வடிகட்டுதல் (Image Filtering): இரைச்சலை நீக்குதல், படங்களை மென்மையாக்குதல் மற்றும் விவரங்களை மேம்படுத்துதல்.
• விளிம்பு கண்டறிதல் (Edge Detection): படங்களில் விளிம்புகளையும் எல்லைகளையும் கண்டறிதல், இது பொருள் அடையாளம் மற்றும் படப் பிரிப்பிற்கு முக்கியமானது.
• படத்தை கூர்மையாக்குதல் (Image Sharpening): படங்களின் தெளிவு மற்றும் விவரங்களை மேம்படுத்துதல்.
• அம்சப் பிரித்தெடுத்தல் (Feature Extraction): படங்களிலிருந்து தொடர்புடைய அம்சங்களைப் பிரித்தெடுத்தல், இது பட வகைப்பாடு மற்றும் பொருள் கண்டறிதல் போன்ற இயந்திர கற்றல் பணிகளுக்குப் பயன்படுத்தப்படுகிறது. கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (CNNs) அம்சப் பிரித்தெடுத்தலுக்கு கன்வல்யூஷனை பெரிதும் நம்பியுள்ளன.
• மருத்துவப் படவியல் (Medical Imaging): எக்ஸ்-கதிர்கள், சிடி ஸ்கேன்கள் மற்றும் எம்ஆர்ஐ போன்ற மருத்துவப் படங்களை நோயறிதல் நோக்கங்களுக்காக பகுப்பாய்வு செய்தல். உதாரணமாக, ஆஞ்சியோகிராம்களில் இரத்த நாளங்களின் வேறுபாட்டை மேம்படுத்த கன்வல்யூஷன் பயன்படுத்தப்படலாம், இது அனீரிஸங்களைக் கண்டறிய உதவுகிறது.
• செயற்கைக்கோள் பட பகுப்பாய்வு (Satellite Imagery Analysis): சுற்றுச்சூழல் கண்காணிப்பு, நகர்ப்புற திட்டமிடல் மற்றும் விவசாயம் போன்ற பல்வேறு பயன்பாடுகளுக்காக செயற்கைக்கோள் படங்களைச் செயலாக்குதல். நிலப் பயன்பாட்டு முறைகளைக் கண்டறிய அல்லது காடழிப்பைக் கண்காணிக்க கன்வல்யூஷன் பயன்படுத்தப்படலாம்.
• முகத்தை அடையாளம் காணுதல் (Facial Recognition): முகத்தை அடையாளம் காணும் அமைப்புகளில் கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் முக அம்சங்களைப் பிரித்தெடுத்து, அறியப்பட்ட முகங்களின் தரவுத்தளத்துடன் ஒப்பிட்டுப் பார்க்கப் பயன்படுத்தப்படுகின்றன.
• ஆப்டிகல் கேரக்டர் ரெகக்னிஷன் (OCR): OCR-க்காக உரை படங்களை முன்கூட்டியே செயலாக்க கன்வல்யூஷன் பயன்படுத்தப்படலாம், இது எழுத்துக்களை அடையாளம் காணும் அல்காரிதங்களின் துல்லியத்தை மேம்படுத்துகிறது.

பயன்படுத்தப்படும் கெர்னலின் குறிப்பிட்ட வகை, விரும்பிய பயன்பாட்டைப் பொறுத்தது. உதாரணமாக, காஸியன் பிளர் கெர்னல் பொதுவாக இரைச்சல் குறைப்புக்கு பயன்படுத்தப்படுகிறது, அதே நேரத்தில் சோபல் கெர்னல் விளிம்பு கண்டறிதலுக்கு பயன்படுத்தப்படுகிறது.

செயலாக்க விவரங்கள்

கன்வல்யூஷன் செயல்பாடுகளை பல்வேறு நிரலாக்க மொழிகள் மற்றும் நூலகங்களைப் பயன்படுத்தி செயல்படுத்தலாம். சில பிரபலமான விருப்பங்கள் பின்வருமாறு:

• பைத்தான் உடன் NumPy மற்றும் SciPy: NumPy திறமையான அணி செயல்பாடுகளை வழங்குகிறது, மற்றும் SciPy கன்வல்யூஷன் உட்பட பட செயலாக்க செயல்பாடுகளை வழங்குகிறது.
• OpenCV (Open Source Computer Vision Library): கணினி பார்வை பணிகளுக்கான ஒரு விரிவான நூலகம், கன்வல்யூஷன் மற்றும் பிற பட செயலாக்க செயல்பாடுகளுக்கு உகந்த செயல்பாடுகளை வழங்குகிறது. OpenCV பைத்தான், C++, மற்றும் ஜாவா உள்ளிட்ட பல மொழிகளில் கிடைக்கிறது.
• MATLAB: அறிவியல் கணக்கீட்டிற்கான ஒரு பிரபலமான சூழல், பட செயலாக்கம் மற்றும் கன்வல்யூஷனுக்கான உள்ளமைக்கப்பட்ட செயல்பாடுகளை வழங்குகிறது.
• CUDA (Compute Unified Device Architecture): NVIDIA-வின் இணை கணினி தளம் GPU-களில் மிகவும் உகந்த கன்வல்யூஷன் செயலாக்கங்களை அனுமதிக்கிறது, இது பெரிய படங்கள் மற்றும் வீடியோக்களுக்கான செயலாக்கத்தை கணிசமாக துரிதப்படுத்துகிறது.

செயலாக்க உதாரணம் (பைத்தான் உடன் NumPy):

            
import numpy as np
from scipy import signal

def convolution2d(image, kernel):
    # Ensure the kernel is a NumPy array
    kernel = np.asarray(kernel)

    # Perform convolution using scipy.signal.convolve2d
    output = signal.convolve2d(image, kernel, mode='same', boundary='fill', fillvalue=0)

    return output

# Example Usage
image = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])

convolved_image = convolution2d(image, kernel)

print("Original Image:\n", image)
print("Kernel:\n", kernel)
print("Convolved Image:\n", convolved_image)

            

              
                Copy
              
            
          

இந்த பைத்தான் குறியீடு scipy.signal.convolve2d செயல்பாட்டைப் பயன்படுத்தி கன்வல்யூஷன் செயல்பாட்டைச் செய்கிறது. mode='same' என்ற வாதம் வெளியீட்டுப் படம் உள்ளீட்டுப் படத்தின் அதே அளவைக் கொண்டிருப்பதை உறுதி செய்கிறது. boundary='fill' என்ற வாதம் எல்லை விளைவுகளைக் கையாள, படம் ஒரு நிலையான மதிப்பால் (இந்த வழக்கில், 0) பேட் செய்யப்பட வேண்டும் என்பதைக் குறிப்பிடுகிறது.

கன்வல்யூஷன் செயல்பாடுகளின் நன்மைகள் மற்றும் தீமைகள்

நன்மைகள்:

• பல்பயன் திறன்: கெர்னலை மாற்றுவதன் மூலம் கன்வல்யூஷனை பரந்த அளவிலான பட செயலாக்கப் பணிகளுக்குப் பயன்படுத்தலாம்.
• செயல்திறன்: பல்வேறு தளங்களுக்கு உகந்த செயலாக்கங்கள் கிடைக்கின்றன, இது பெரிய படங்கள் மற்றும் வீடியோக்களை வேகமாகச் செயலாக்க உதவுகிறது.
• அம்சப் பிரித்தெடுத்தல்: இயந்திர கற்றல் பணிகளுக்குப் பயன்படுத்தப்படும் படங்களிலிருந்து தொடர்புடைய அம்சங்களைப் பிரித்தெடுப்பதற்கான ஒரு சக்திவாய்ந்த கருவியாக கன்வல்யூஷன் உள்ளது.
• இடஞ்சார்ந்த உறவுகள்: கன்வல்யூஷன் பிக்சல்களுக்கு இடையிலான இடஞ்சார்ந்த உறவுகளை இயல்பாகவே கைப்பற்றுகிறது, இது சூழல் முக்கியத்துவம் வாய்ந்த பணிகளுக்கு ஏற்றதாக அமைகிறது.

தீமைகள்:

• கணக்கீட்டுச் செலவு: கன்வல்யூஷன் கணக்கீட்டு ரீதியாக செலவு மிக்கதாக இருக்கலாம், குறிப்பாக பெரிய படங்கள் மற்றும் கெர்னல்களுக்கு.
• கெர்னல் வடிவமைப்பு: ஒரு குறிப்பிட்ட பணிக்கு சரியான கெர்னலைத் தேர்ந்தெடுப்பது சவாலானதாக இருக்கலாம்.
• எல்லை விளைவுகள்: கன்வல்யூஷன் படத்தின் விளிம்புகளுக்கு அருகில் குறைபாடுகளை உருவாக்கக்கூடும், இதை பேடிங் நுட்பங்களைப் பயன்படுத்தி குறைக்கலாம்.
• அளவுரு சரிசெய்தல்: கெர்னல் அளவு, பேடிங் மற்றும் ஸ்ட்ரைடு போன்ற அளவுருக்கள் உகந்த செயல்திறனுக்காக கவனமாக சரிசெய்யப்பட வேண்டும்.

மேம்பட்ட கன்வல்யூஷன் நுட்பங்கள்

அடிப்படை கன்வல்யூஷன் செயல்பாடுகளுக்கு அப்பால், செயல்திறனை மேம்படுத்தவும் குறிப்பிட்ட சவால்களை எதிர்கொள்ளவும் பல மேம்பட்ட நுட்பங்கள் உருவாக்கப்பட்டுள்ளன.

• பிரிக்கக்கூடிய கன்வல்யூஷன்கள் (Separable Convolutions): ஒரு 2D கன்வல்யூஷனை இரண்டு 1D கன்வல்யூஷன்களாகப் பிரிப்பது, கணக்கீட்டுச் செலவை கணிசமாகக் குறைக்கிறது. உதாரணமாக, ஒரு காஸியன் பிளரை இரண்டு 1D காஸியன் பிளர்களாக, ஒன்று கிடைமட்டமாகவும் மற்றொன்று செங்குத்தாகவும் செயல்படுத்தலாம்.
• டைலேட்டட் கன்வல்யூஷன்கள் (Dilated Convolutions): கெர்னல் உறுப்புகளுக்கு இடையில் இடைவெளிகளை அறிமுகப்படுத்துவது, அளவுருக்களின் எண்ணிக்கையை அதிகரிக்காமல் ஏற்புப் புலத்தை (receptive field) அதிகரிக்கிறது. இது சொற்பொருள் பிரிப்பு (semantic segmentation) போன்ற பணிகளுக்கு குறிப்பாக பயனுள்ளதாக இருக்கும், அங்கு நீண்ட தூர சார்புகளைப் பிடிப்பது முக்கியம்.
• டெப்த்வைஸ் பிரிக்கக்கூடிய கன்வல்யூஷன்கள் (Depthwise Separable Convolutions): இடஞ்சார்ந்த மற்றும் சேனல் வாரியான கன்வல்யூஷன் செயல்பாடுகளைப் பிரிப்பது, செயல்திறனைப் பராமரிக்கும் அதே வேளையில் கணக்கீட்டுச் செலவை மேலும் குறைக்கிறது. இது பொதுவாக மொபைல் பார்வை பயன்பாடுகளில் பயன்படுத்தப்படுகிறது.
• டிரான்ஸ்போஸ்டு கன்வல்யூஷன்கள் (Transposed Convolutions): கன்வல்யூஷனின் நேர்மாறான செயல்பாட்டைச் செய்வது, படங்களை அப்சாம்பிள் செய்வதற்கும், குறைந்த தெளிவுத்திறன் உள்ளீடுகளிலிருந்து உயர் தெளிவுத்திறன் படங்களை உருவாக்குவதற்கும் பயன்படுத்தப்படுகிறது.

கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (CNNs)

கன்வல்யூஷனல் நியூரல் நெட்வொர்க்குகள் (CNNs) என்பவை கன்வல்யூஷன் செயல்பாடுகளை பெரிதும் நம்பியிருக்கும் ஒரு வகை ஆழமான கற்றல் மாதிரியாகும். CNN-கள் கணினி பார்வையில் புரட்சியை ஏற்படுத்தியுள்ளன, பட வகைப்பாடு, பொருள் கண்டறிதல் மற்றும் படப் பிரிப்பு போன்ற பல்வேறு பணிகளில் அதிநவீன முடிவுகளை அடைகின்றன.

CNN-கள் பல அடுக்கு கன்வல்யூஷனல் லேயர்கள், பூலிங் லேயர்கள் மற்றும் முழுமையாக இணைக்கப்பட்ட லேயர்களைக் கொண்டுள்ளன. கன்வல்யூஷனல் லேயர்கள் கன்வல்யூஷன் செயல்பாடுகளைப் பயன்படுத்தி உள்ளீட்டுப் படத்திலிருந்து அம்சங்களைப் பிரித்தெடுக்கின்றன. பூலிங் லேயர்கள் அம்ச வரைபடங்களின் பரிமாணத்தைக் குறைக்கின்றன, மேலும் முழுமையாக இணைக்கப்பட்ட லேயர்கள் இறுதி வகைப்பாடு அல்லது பின்னடைவைச் செய்கின்றன. CNN-கள் பயிற்சியின் மூலம் உகந்த கெர்னல்களைக் கற்றுக்கொள்கின்றன, இதனால் அவை வெவ்வேறு பட செயலாக்கப் பணிகளுக்கு மிகவும் अनुकूलமாகின்றன.

CNN-களின் வெற்றி, படங்களின் படிநிலை பிரதிநிதித்துவங்களை தானாகவே கற்றுக்கொள்ளும் திறனைக் காரணமாகக் கூறலாம், இது குறைந்த-நிலை அம்சங்களையும் (எ.கா., விளிம்புகள், மூலைகள்) மற்றும் உயர்-நிலை அம்சங்களையும் (எ.கா., பொருள்கள், காட்சிகள்) கைப்பற்றுகிறது. CNN-கள் பல கணினி பார்வை பயன்பாடுகளில் ஆதிக்கம் செலுத்தும் அணுகுமுறையாக மாறியுள்ளன.

முடிவுரை

கன்வல்யூஷன் செயல்பாடுகள் பட செயலாக்கத்தின் ஒரு மூலக்கல்லாகும், இது அடிப்படை பட வடிகட்டுதல் முதல் மேம்பட்ட அம்சப் பிரித்தெடுத்தல் மற்றும் ஆழமான கற்றல் வரை பரந்த அளவிலான பயன்பாடுகளை செயல்படுத்துகிறது. கணினி பார்வை அல்லது அது தொடர்பான துறைகளில் பணிபுரியும் எவருக்கும் கன்வல்யூஷனின் கொள்கைகள் மற்றும் நுட்பங்களைப் புரிந்துகொள்வது அவசியம்.

இந்த வழிகாட்டி கன்வல்யூஷன் செயல்பாடுகளின் கொள்கைகள், பயன்பாடுகள் மற்றும் செயலாக்க விவரங்கள் பற்றிய விரிவான கண்ணோட்டத்தை வழங்கியுள்ளது. இந்தக் கருத்துகளில் தேர்ச்சி பெறுவதன் மூலம், பல்வேறு பட செயலாக்க சவால்களைத் தீர்க்க கன்வல்யூஷனின் சக்தியை நீங்கள் பயன்படுத்திக் கொள்ளலாம்.

தொழில்நுட்பம் தொடர்ந்து முன்னேறி வருவதால், கன்வல்யூஷன் செயல்பாடுகள் எப்போதும் வளர்ந்து வரும் பட செயலாக்கத் துறையில் ஒரு அடிப்படைக் கருவியாகவே இருக்கும். கணினி பார்வையின் உலகில் புதிய சாத்தியங்களைத் திறக்க கன்வல்யூஷனுடன் ஆராய்ந்து, பரிசோதனை செய்து, புதுமைகளைப் புகுத்துங்கள்.