Evrişimli Sinir Ağları Mimarisi ve Katmanları Konu Anlatımı
Evrişimli Sinir Ağları (CNN), karmaşık görsel verileri analiz etmek, desenleri tanımak ve nesneleri yüksek doğrulukla sınıflandırmak üzere geliştirilmiş özel bir derin öğrenme mimarisidir. Sürücüsüz otomobillerin yayaları fark etmesinden tıbbi taranmış görüntülerdeki hastalıkların teşhisine ve yüz tanıma sistemlerine kadar modern hayatın merkezinde yer alan bu teknoloji, yapay zekanın görme yeteneği kazanmasında kritik bir rol oynar. Biyolojik görme korteksinin çalışma prensiplerinden esinlenerek tasarlanan evrişimli sinir ağları, geleneksel veri işleme yöntemlerinin aksine görseller üzerindeki belirleyici öznitelikleri otomatik olarak keşfeder.
- Evrişimli Sinir Ağlarının (CNN) temel çalışma prensibini ve geleneksel sinir ağlarından farklarını öğreneceksiniz.
- Evrişim katmanı, çekirdek (kernel), adım kaydırma (stride) ve dolgu (padding) kavramlarının matematiksel mantığını kavrayacaksınız.
- ReLU aktivasyon fonksiyonunun ve ortaklama (pooling) katmanlarının model performansına katkısını anlayacaksınız.
- Tam bağlantılı (Fully Connected) katmanlar ile nihai sınıflandırmanın nasıl yapıldığını göreceksiniz.
- Popüler CNN mimarilerini (AlexNet, VGG, ResNet) yapısal açıdan karşılaştırabileceksiniz.
- Matris Tabanlı İşlem: Görseller renk kanallarına (RGB) ve piksel yoğunluklarına göre matris biçiminde temsil edilir.
- Otomatik Öznitelik Çıkarımı: İnsan müdahalesine ihtiyaç duymadan düşük seviyeli kenarlardan yüksek seviyeli nesnelere doğru katmanlı öğrenme gerçekleşir.
- Ağırlık Paylaşımı: Aynı filtre görselin her yerinde kaydırılarak kullanıldığı için eğitilecek parametre sayısı büyük oranda azalır.
- Mekânsal Koruma: Görseldeki piksellerin birbiriyle olan komşuluk ve konum ilişkileri (uzamsal hiyerarşi) muhafaza edilir.
Evrişimli Sinir Ağları (CNN) Nedir ve Nasıl Çalışır?
Evrişimli Sinir Ağları (Convolutional Neural Networks – CNN), dijital görselleri matris formatında kabul eden ve piksel ilişkilerini derinlemesine inceleyen ileri beslemeli bir yapay sinir ağı türüdür. Geleneksel yapay sinir ağları (YSA), girdi verisini tek boyutlu uzun bir vektör haline getirir. Ancak yüksek çözünürlüklü bir resmi tek boyutlu vektöre dönüştürmek, pikseller arasındaki komşuluk ilişkilerinin tamamen kaybolmasına yol açar. Örneğin bir göz resminde piksellerin yan yana durması anlam taşır; bu düzen bozulduğunda model nesneyi kavrama yeteneğini yitirir.
CNN mimarisi, piksellerin uzamsal (spatial) hiyerarşisini koruyarak çalışır. Ağın ilk katmanlarında düz çizgiler, renk geçişleri ve kenarlar gibi temel detaylar (düşük seviyeli öznitelikler) yakalanır. Derinlik arttıkça bu basit çizgiler bir araya getirilerek göz, burun, tekerlek gibi karmaşık parçalara (orta seviyeli öznitelikler) ve nihayetinde tam bir insan yüzü veya araba modeline (yüksek seviyeli öznitelikler) dönüştürülür.
Bu sürecin sağladığı en büyük avantaj ağırlık paylaşımıdır. Klasik ağlarda her girdi hücresi bir sonraki katmandaki tüm hücrelere bağlıdır. CNN modellerinde ise küçük bir filtre tüm görsel üzerinde gezdirilir. Böylece milyonlarca parametre eğitmek yerine binlerce kat daha az değişkenle son derece yetenekli yapay zeka modelleri kurulabilir.
CNN Mimarisine Genel Bakış: Bir Görsel Nasıl İşlenir?
Bir evrişimli sinir ağı, girdi katmanıyla başlayan ve nihai çıktıyı üreten katmanla sonlanan bir üretim bandına benzetilebilir. Ham veri olarak ağa giren resim, adım adım işlenerek yüksek soyutlama seviyesine ulaştırılır. Standart bir CNN hattı şu temel aşamalardan meydana gelir:
- Girdi Katmanı (Input Layer): Resmin en, boy ve renk kanalı (RGB için 3 kanal, siyah-beyaz için 1 kanal) bilgilerini içeren piksel matrisini temsil eder.
- Evrişim Katmanı (Convolution Layer): Filtreler aracılığıyla resim üzerindeki desenleri belirler ve öznitelik haritaları (feature maps) oluşturur.
- Aktivasyon Katmanı (ReLU): Ağ içerisindeki matematiksel işlemlere doğrusalsızlık katarak karmaşık ilişkilerin öğrenilmesini sağlar.
- Ortaklama Katmanı (Pooling Layer): Elde edilen öznitelik haritalarının boyutunu küçülterek hesaplama yükünü azaltır ve önemli bilgileri öne çıkarır.
- Tam Bağlantılı Katman (Fully Connected Layer): Soyutlanan öznitelikleri toplayarak nesnenin hangi sınıfa ait olduğunu olasılıksal olarak hesaplar.
Bu dizilim, ağın derinliğine bağlı olarak defalarca tekrarlanabilir. Derin mimarilerde birden fazla evrişim ve ortaklama katmanı üst üste eklenerek modelin temsil gücü belirgin şekilde artırılır.
Evrişim Katmanı (Convolutional Layer) ve Filtre Mekanizması
Evrişim katmanı, CNN mimarisinin kalbidir. Bu katmanın temel işlevi, girdi matrisi ile filtrenin (çekirdek/kernel) matematiksel olarak çarpılması ve toplanması ilkesine dayanır. Filtre, genellikle 3×3 veya 5×5 boyutlarında küçük bir matristir ve girdi resmi üzerinde soldan sağa, yukarıdan aşağıya doğru adım adım kaydırılır.
Filtrenin geçtiği her bölgede, çakışan piksel değerleri ile filtre ağırlıkları birebir çarpılır ve elde edilen sonuçlar toplanarak tek bir sayı elde edilir. İşlem görselin tamamı için tamamlandığında ortaya yeni bir matris çıkar. Bu yeni matrise öznitelik haritası (feature map) denir. Farklı filtreler görseldeki farklı özellikleri yakalamak üzere eğitilir; örneğin bir filtre yatay kenarları tespit ederken başka bir filtre dikey çizgileri belirginleştirir.
Çıktı Boyutu = [(W - K + 2P) / S] + 1. Buradaki W girdi boyutunu, K filtre boyutunu, P dolgu (padding) miktarını ve S adım kaydırma (stride) değerini ifade eder.Evrişim sürecini şekillendiren iki kritik parametre bulunur: Stride (Adım Kaydırma) ve Padding (Dolgu). Stride, filtrenin görsel üzerinde kaç piksel atlayarak kayacağını belirler. Stride değeri 1 olduğunda filtre birer piksel kayar; değer arttıkça çıktı haritasının boyutu küçülür. Padding ise filtreleme yaparken görselin kenarlarındaki verilerin kaybolmasını önlemek amacıyla matrisin dışına sıfırlardan oluşan ek bir çerçeve eklenmesidir. Aynı mantığın nasıl işlediğini Yapay Sinir Ağları: Mimari, Çalışma Prensibi ve Uygulamaları üzerinden de görebilirsiniz.
Aktivasyon Fonksiyonları: ReLU ve İşlevi
Evrişim katmanında gerçekleştirilen tüm çarpma ve toplama işlemleri teknik olarak doğrusal (linear) matematiksel dönüşümlerdir. Ancak gerçek dünyadaki veriler ve görseller doğrusal olmayan karmaşık yapılardan oluşur. Bir sinir ağının karmaşık şekilleri öğrenebilmesi için doğrusal olmayan aktivasyon fonksiyonlarına ihtiyaç duyulur. Konuyu pratikte pekiştirmek isteyenler için Gradyan İniş Algoritması Nedir? Adım Adım Konu Anlatımı konusuna göz atmak faydalı olabilir.
CNN mimarilerinde en yaygın tercih edilen aktivasyon fonksiyonu ReLU (Rectified Linear Unit) fonksiyonudur. ReLU, matematiksel yapı olarak son derece basittir: f(x) = max(0, x). Girdisi negatif bir değerse sonucu 0 meyil eder, pozitif ise değerin kendisini olduğu gibi bir sonraki katmana aktarır.
Havuzlama Katmanı (Pooling Layer)
Evrişim katmanından çıkan öznitelik haritalarının boyutunu küçültmek ve hesaplama karmaşıklığını azaltmak amacıyla havuzlama (pooling) katmanı kullanılır. Bu katman, ağın öteleme ve dönme gibi küçük değişimlere karşı daha dirençli (invariant) bir yapı kazanmasını sağlar.
En yaygın havuzlama yöntemleri şunlardır:
- Maksimum Havuzlama (Max Pooling): Belirlenen pencere alanı içindeki en büyük değeri seçer. Belirgin özellikleri (kenarlar, köşeler) öne çıkarmada oldukça etkilidir.
- Ortalama Havuzlama (Average Pooling): Pencere içindeki değerlerin ortalamasını alır. Özellik haritasını yumuşatma etkisi yaratır.
Tam Bağlantılı Katman (Fully Connected Layer)
Evrişim ve havuzlama katmanları aracılığıyla görüntüden yüksek seviyeli özellikler çıkarıldıktan sonra, sınıflandırma işlemi için tam bağlantılı katmanlara geçilir. Bu aşamada 2 boyutlu özellik haritaları tek boyutlu bir vektöre dönüştürülür (Flattening) ve geleneksel yapay sinir ağlarında olduğu gibi tüm nöronlar birbiriyle ilişkilendirilir.
Çıktı Katmanı (Output Layer)
Ağın en son katmanı olan çıktı katmanı, modelin tahmin sonuçlarını üretir. Çoklu sınıflandırma problemlerinde sıklıkla Softmax aktivasyon fonksiyonu kullanılır. Softmax, ağın ürettiği ham skorları bir olasılık dağılımına dönüştürerek her bir sınıf için 0 ile 1 arasında bir olasılık değeri sunar. Aynı mantığın nasıl işlediğini Naive Bayes Sınıflandırıcısı Nedir? Basit Örneklerle Konu Anlatımı üzerinden de görebilirsiniz.
Sonuc
Evrişimli Sinir Ağları (CNN), görsel verilerin işlenmesinde geleneksel yöntemlerin ötesine geçerek derin öğrenme alanında büyük bir devrim yaratmıştır. Evrişim, aktivasyon, havuzlama ve tam bağlantılı katmanların hiyerarşik bir yapıda bir araya gelmesi, karmaşık görsel kalıpların yüksek doğrulukla öğrenilmesini sağlar.
Sıkça Sorulan Sorular
- LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998) — Gradient-based learning applied to document recognition (LeNet-5 ve CNN mimarisinin temelleri)
- Goodfellow, I., Bengio, Y., & Courville, A. (2016) — Deep Learning (MIT Press) – Bölüm 9: Convolutional Networks
- Stanford University CS231n — Convolutional Neural Networks for Visual Recognition Ders Notları