🤖

Pemahaman Convolutional Neural Network (CNN)

Mar 4, 2025

Catatan Kuliah: Convolutional Neural Network (CNN)

Definisi CNN

  • CNN adalah metode deep learning yang digunakan untuk mengolah data gambar atau video.
  • Memiliki convolution layer yang berbeda dari fully connected layer pada neural network.

Perbandingan Fully Connected Layer dan Convolution Layer

  • Fully Connected Layer:

    • Mengkoneksi setiap pixel dari input.
    • Contoh: Input gambar 10x10 pixel dengan 3 channel RGB, setiap pixel terhubung ke setiap output.
    • Setiap koneksi memiliki weight atau parameter terpisah.

  • Convolution Layer:

    • Hanya melihat input secara lokal.
    • Parameter di-share dengan bagian lain dari input.
    • Mampu menghasilkan output dengan parameter yang sama tetapi tetap di-share untuk setiap bagian spasial.

Desain Convolution Layer

  1. Kernel Size:

    • Menentukan seberapa lokal convolution layer, bisa 1x1, 3x3, 5x5, dll.
    • Jika kernel size sama dengan input, maka fungsinya mirip dengan fully connected layer.

  2. Stride:

    • Menentukan seberapa jauh kernel digeser setiap langkah.
    • Stride 1 berarti setiap pixel dihitung, stride 2 bisa mengurangi beban komputasi tetapi mungkin melewatkan informasi.

  3. Padding:

    • Digunakan untuk menjaga ukuran output sama dengan input.
    • Biasanya diisi dengan 0, contoh: Kernel size 3, stride 1, padding 1 menghasilkan output sama dengan input.

Struktur CNN

  • CNN terdiri dari convolution layer dan fully connected layer.
  • AlexNet: Contoh CNN dengan 5 convolution layer dan 3 fully connected layer, memulai tren deep learning pada tahun 2012.

Fungsi Convolution Layer

  • Menyediakan feature map yang berfungsi untuk mengekstrak fitur dari input gambar.
  • Fully connected layer digunakan untuk klasifikasi berdasarkan fitur yang diekstrak.

Riset dan Jenis Convolution Layer

  • Macam-macam convolution layer:
    • Convolution 2D (yang paling umum digunakan).
    • Convolution 1D dan 3D.
    • Dilated Convolution, Transpose Convolution, Depthwise Convolution, Deformable Convolution, dll.
  • Perkembangan riset AI mungkin akan menambah jenis convolution layer baru.

Penutup

  • Untuk informasi lebih lanjut, jangan lupa untuk subscribe channel ini agar tidak ketinggalan update.

Full transcript