Sofortantwort
CNN einfach erklärt
Neurales Netzwerk zur Verarbeitung von Bilddaten.
- Kurz gesagt
- Erkennt lokale Muster durch lernbare Filter (Kernel), die über die Eingabe gleiten
- Typischer Einsatz
- Bilderkennung, Objekterkennung, Medizinische Bildanalyse
- Wichtig zu wissen
- Revolutionierte Computer Vision und ist Grundlage für Bilderkennung und -generierung
Convolutional Neural Network im Überblick
Convolutional Neural Networks (CNNs) sind die Architektur, die 2012 die Computer-Vision-Revolution ausgelöst hat. AlexNet gewann den ImageNet-Wettbewerb mit einem CNN und schlug alle klassischen Ansätze um mehr als 10 Prozentpunkte. CNNs nutzen Faltungsoperationen, um lokale Muster in Bildern hierarchisch zu erkennen: frühe Schichten erkennen Kanten und Texturen, tiefere Schichten kombinieren diese zu Objekten. Heute werden CNNs zunehmend durch Vision Transformers ergänzt oder ersetzt – aber für Edge-Deployment bleiben sie Standard.
Ein Convolutional Neural Network (CNN) ist eine neuronale Netzarchitektur, die speziell für die Verarbeitung von Bilddaten entwickelt wurde. CNNs nutzen Faltungsoperationen (Convolutions), um lokale Muster in Bildern zu erkennen – Kanten, Texturen, Formen – und kombinieren diese hierarchisch zu komplexeren Merkmalen. Der Durchbruch kam 2012 mit AlexNet, das den ImageNet-Wettbewerb mit einem CNN gewann, das deutlich besser war als alle klassischen Ansätze.
Ein CNN ist ein neuronales Netz, das besonders gut darin ist, Muster in Bildern zu erkennen. Statt jedes Pixel einzeln zu betrachten, nutzt es kleine Filter, die über das Bild gleiten und lokale Muster erkennen.
Die Schichten eines CNN:
| Schicht | Funktion | Beispiel |
|---|---|---|
| Convolutional | Erkennt lokale Muster | Kanten, Ecken, Texturen |
| Pooling | Reduziert die Auflösung | Max-Pooling: nimmt den größten Wert |
| Fully Connected | Klassifikation am Ende | “Das ist eine Katze” |
Hierarchisches Lernen:
- Schicht 1: Kanten und Linien
- Schicht 2: Ecken und einfache Formen
- Schicht 3: Texturen und Muster
- Schicht 4+: Objektteile und ganze Objekte
Technisch betrachtet
Convolution-Operation
Ein Filter (z.B. 3×3) gleitet über das Eingabebild und berechnet an jeder Position das Skalarprodukt. Ergebnis: eine Feature Map, die zeigt, wo das erkannte Muster vorkommt.
Wichtige Parameter:
- Kernel Size: Größe des Filters (3×3, 5×5, 7×7)
- Stride: Schrittweite des Filters
- Padding: Rand um die Eingabe (same/valid)
- Channels: Anzahl der Filter pro Schicht
Bekannte CNN-Architekturen
- LeNet (1998): Handschrifterkennung, Pionier der CNNs
- AlexNet (2012): ImageNet-Durchbruch, Start der Deep-Learning-Revolution
- VGG (2014): Tiefere Netze mit kleinen 3×3-Filtern
- ResNet (2015): Residual Connections für 100+ Schichten
- EfficientNet (2019): Optimale Skalierung von Breite, Tiefe und Auflösung
Transfer Learning mit CNNs
Vortrainierte CNNs (auf ImageNet) als Feature-Extraktor nutzen:
- Vortrainiertes Modell laden (z.B. ResNet-50)
- Letzte Schicht(en) durch eigene ersetzen
- Nur neue Schichten trainieren oder gesamtes Netz fine-tunen
- Funktioniert auch mit wenigen hundert Bildern