Convolutional Neural Networks (CNN)

Wat is een convolutional neural network?

Een convolutional neural network (CNN) is een type neuraal netwerk dat speciaal is ontworpen om patronen in beelden te herkennen. Het is jarenlang dé standaard geweest voor beeldherkenning: van het herkennen van gezichten op foto’s tot het detecteren van productiefouten op een lopende band. Ook voor video, audio en medische scans worden CNN’s veel gebruikt.

Hoe werkt het?

Een CNN bekijkt een afbeelding niet in één keer, maar schuift met kleine filters over het beeld. Elk filter zoekt naar een eenvoudig kenmerk, zoals een rand, hoek of kleurovergang. Diepere lagen combineren die eenvoudige kenmerken tot complexere patronen: van randen naar vormen, van vormen naar objecten zoals een gezicht of een logo. Tussenliggende pooling-lagen vatten de informatie samen, zodat het netwerk efficiënt blijft en niet gevoelig is voor kleine verschuivingen in het beeld. Voor sommige beeldtaken worden CNN’s inmiddels aangevuld of vervangen door transformer-modellen, maar voor veel praktische toepassingen blijven ze de efficiënte keuze.

Wat heb je eraan als bedrijf?

Overal waar je visuele controle of herkenning wilt automatiseren, draait waarschijnlijk een CNN onder de motorkap. Denk aan kwaliteitscontrole in productie, het automatisch sorteren van documenten op basis van een scan, het tellen van voorraad via camerabeelden of het herkennen van schade op foto’s bij verzekeringsclaims. Je bouwt zo’n netwerk zelden zelf; je gebruikt kant-en-klare beeldherkenning in tools die je toch al hebt.

Gerelateerde begrippen

Een CNN is een vorm van deep learning en bouwt voort op het artificial neural network. Voor tekst en spraak in volgorde werden vaak recurrent neural networks gebruikt, terwijl moderne taalmodellen op de transformer-architectuur draaien.