Evrişimli Sinir Ağlarında (CNN) Filtreleri Anlamak

Evrişimli Sinir Ağlarında (CNN) Filtreleri Anlamak

Evrişimli Sinir Ağları (Convolutional Neural Networks – CNN), özellikle görüntü işleme ve bilgisayar görüşü alanlarında devrim yaratan derin öğrenme modelleridir. Görüntü sınıflandırma, nesne tespiti, segmentasyon ve daha birçok karmaşık görsel görevde insanüstü performans sergilemeleri, bu ağların temel yapı taşları olan filtreler sayesinde mümkün olmaktadır. Filtreler, bir görüntünün ham piksel verilerinden anlamlı ve hiyerarşik özellikler çıkarmak için tasarlanmış öğrenilebilir matrislerdir. Bu makalede, CNN’lerin kalbinde yer alan filtrelerin ne olduğunu, nasıl çalıştıklarını, farklı türlerini, özellik çıkarımındaki rollerini ve evrişimli ağların genel mimarisindeki yerlerini ayrıntılı bir şekilde inceleyeceğiz.

Evrişimli Sinir Ağlarının Temelleri

Evrişimli Sinir Ağları, geleneksel sinir ağlarının görüntü verileriyle başa çıkmada karşılaştığı zorlukları aşmak için özel olarak tasarlanmıştır. Görüntüler, yüksek boyutlu veri kümeleridir; örneğin, 224×224 piksellik bir RGB görüntü, 224 224 3 = 150,528 boyutlu bir vektöre dönüştürülebilir. Geleneksel tam bağlı (fully connected) bir sinir ağı bu kadar büyük bir girdiyle çalışırken çok sayıda parametreye ihtiyaç duyar, bu da hesaplama maliyetini artırır ve aşırı öğrenme (overfitting) riskini yükseltir. CNN’ler ise yerel bağlantı, ağırlık paylaşımı ve havuzlama (pooling) gibi mekanizmalarla bu sorunları etkin bir şekilde çözer.

Geleneksel Sinir Ağlarından Farkı

Geleneksel tam bağlı sinir ağları, her bir girdi nöronunun bir sonraki katmandaki her nörona bağlandığı bir yapıya sahiptir. Bu, görüntü gibi yüksek boyutlu verilerde milyonlarca parametre anlamına gelir. Ayrıca, bu ağlar görüntülerdeki uzamsal hiyerarşiyi (örneğin, bir kenarın bir gözün parçası olması, bir gözün bir yüzün parçası olması) doğal olarak yakalayamazlar.

CNN’ler ise, “yerel bağlantı” ilkesini benimser. Her bir nöron, girdinin sadece belirli bir bölgesine (yerel algı alanı veya receptive field) bağlanır. Bu, bir filtrenin görüntünün sadece küçük bir bölümüne odaklanması anlamına gelir. “Ağırlık paylaşımı” ise, aynı filtrenin görüntünün farklı bölgelerinde aynı ağırlıklarla kullanılmasıdır. Bu iki özellik, parametre sayısını önemli ölçüde azaltırken, ağın görüntülerdeki yerel desenleri ve özellikleri etkili bir şekilde öğrenmesini sağlar.

Evrişim İşlemi Nedir?

Evrişim işlemi, bir görüntüyü (girdi matrisi) bir filtre (çekirdek veya kernel olarak da adlandırılır) ile kaydırarak ve element-wise çarpım ve toplama yaparak yeni bir özellik haritası (feature map veya aktivasyon haritası) oluşturma sürecidir. Matematiksel olarak, iki fonksiyonun birinin ters çevrilip diğerinin üzerinden kaydırılması ve her noktada çarpımların integralinin alınması olarak tanımlansa da, CNN bağlamında bu işlem, bir filtrenin görüntünün üzerinde adım adım kaydırılması ve her konumda yerel piksellerle filtrenin ağırlıklarının çarpılıp toplanması şeklinde görselleştirilebilir.

Bu işlem sonucunda elde edilen özellik haritası, girdinin belirli bir özelliğinin (örneğin, dikey bir kenar) görüntüdeki varlığını ve konumunu gösterir. Filtrenin ağırlıkları, bu özelliği ne kadar iyi tanıdığını belirler. Örneğin, dikey kenarları algılamak üzere tasarlanmış bir filtre, görüntüde dikey bir kenarın olduğu yerde özellik haritasında yüksek bir aktivasyon değeri üretecektir.

Filtreler: CNN’in Kalbi

Filtreler, CNN’lerin görüntüdeki desenleri, dokuları ve yapıları anlamasını sağlayan temel bileşenlerdir. Her filtre, bir tür “desen tanıyıcı” veya “özellik dedektörü” gibi işlev görür.

Filtre Nedir?

Bir filtre (veya çekirdek), genellikle küçük boyutlu (örneğin, 3×3, 5×5 veya 7×7) bir matristir. Bu matrisin içindeki değerler, ağın eğitimi sırasında öğrenilen parametrelerdir. Her filtre, görüntüdeki belirli bir görsel özelliği (örneğin, yatay bir kenar, dikey bir kenar, bir köşe, belirli bir doku veya renk gradyanı) algılamak üzere özelleşir.

Filtreler, girdi görüntüsünün üzerinde kaydırılırken, filtrenin pikselleri ile görüntünün o anki örtüşen bölgesindeki pikseller arasında element-wise çarpım yapılır ve bu çarpımların sonuçları toplanır. Bu toplam, özellik haritasındaki tek bir piksel değerini oluşturur. Bu süreç, filtrenin tüm görüntü üzerinde kaydırılmasıyla devam eder ve sonuç olarak, filtrenin algılamaya çalıştığı özelliğin görüntüdeki varlığını gösteren bir özellik haritası elde edilir.

Filtrelerin Yapısı ve Boyutları

Filtreler genellikle kare şeklindedir (NxN). En yaygın boyutlar 3×3 ve 5×5’tir. Daha küçük filtreler, daha ince detayları yakalamaya ve daha az parametre kullanmaya olanak tanırken, daha büyük filtreler daha geniş bir algı alanına sahip olabilir.

Filtrelerin bir diğer önemli boyutu ise derinliğidir. Eğer girdi görüntüsü çok kanallıysa (örneğin, RGB görüntü için 3 kanal), filtre de aynı derinliğe sahip olmalıdır. Yani, 3 kanallı bir görüntü için 3×3 boyutlu bir filtre aslında 3x3x3 boyutlu bir küp şeklindedir. Her bir kanal için ayrı ayrı evrişim yapılır ve sonuçlar toplanarak tek bir çıktı değeri elde edilir. Bu, filtrenin sadece uzamsal desenleri değil, aynı zamanda renk kanalları arasındaki ilişkileri de öğrenmesini sağlar.

Tek Bir Filtrenin Çalışma Prensibi

Bir filtrenin çalışma prensibini basitleştirilmiş bir örnekle açıklayabiliriz:
1. Girdi Görüntüsü: Örneğin, 6×6 piksel boyutunda tek kanallı (gri tonlamalı) bir görüntü.
2. Filtre: Örneğin, 3×3 boyutunda bir filtre matrisi. Bu matrisin içindeki değerler, kenar algılama gibi belirli bir görevi yerine getirecek şekilde ayarlanmıştır (başlangıçta rastgele, eğitimle öğrenilir).
3. Kaydırma: Filtre, görüntünün sol üst köşesinden başlayarak sağa doğru ve sonra aşağıya doğru kaydırılır.
4. Evrişim: Filtre görüntünün belirli bir bölgesine geldiğinde, filtrenin her bir elemanı, örtüşen görüntü pikseliyle çarpılır. Bu çarpımların hepsi toplanır.
5. Özellik Haritası: Elde edilen toplam, yeni oluşturulan özellik haritasının ilgili konumundaki piksel değeri olur.
Bu işlem, filtrenin tüm görüntü üzerinde kaydırılmasıyla tekrarlanır ve sonuç olarak, orijinal görüntüden daha küçük (padding kullanılmazsa) bir özellik haritası elde edilir. Bu harita, filtrenin algıladığı özelliğin görüntüdeki yoğunluğunu gösterir.

Filtrelerin Özellik Çıkarımı (Feature Extraction) Rolü

Filtrelerin temel amacı, ham görüntü verilerinden anlamlı ve temsili özellikleri otomatik olarak çıkarmaktır. Bu özellikler, daha sonraki sınıflandırma veya regresyon görevleri için modelin öğrenme sürecine yardımcı olur.

Düşük Seviyeli Özellikler

CNN’lerin ilk katmanlarındaki filtreler genellikle düşük seviyeli, temel görsel özellikleri algılamak üzere eğitilir. Bu özellikler şunları içerebilir:
* Kenarlar: Dikey, yatay, diyagonal kenarlar. Bir görüntünün en temel yapı taşlarından biridir. Örneğin, Sobel veya Prewitt operatörleri gibi geleneksel görüntü işleme algoritmaları da benzer kenar algılama filtreleri kullanır.
* Köşeler: İki kenarın kesiştiği noktalar.
* Basit Dokular: Belirli bir yönde tekrarlayan desenler veya basit renk geçişleri.
* Renk Blobları: Belirli bir rengin yoğun olduğu bölgeler.

Bu ilk katman filtreleri genellikle doğrudan görselleştirildiğinde anlaşılması kolaydır. Örneğin, dikey kenar algılayan bir filtre, bir tarafı pozitif diğer tarafı negatif ağırlıklara sahip sütunlardan oluşabilir.

Yüksek Seviyeli Özellikler

CNN’lerin derinleşen katmanlarında, filtreler daha soyut ve karmaşık özellikleri algılamaya başlar. Bu, ağın hiyerarşik öğrenme yeteneğinin bir sonucudur:
* Nesne Parçaları: Orta katmanlardaki filtreler, gözler, burunlar, tekerlekler, kulaklar gibi nesnelerin belirgin parçalarını veya belirli bir dokuya sahip yüzeyleri algılayabilir. Örneğin, bir yüz tanıma görevinde, bir filtre “göz” desenini, başka bir filtre “burun” desenini öğrenmiş olabilir.
* Nesnelerin Tamamı: En son evrişim katmanlarındaki filtreler, karmaşık nesnelerin veya sahnelerin tamamını algılayabilir. Örneğin, bir kedi görüntüsünde, son katmanlardaki bir filtre “kedi” kavramına karşılık gelen tüm görsel ipuçlarını bir araya getirebilir.
* Soyut Temsiller: Çok derin katmanlardaki filtreler, insan tarafından doğrudan yorumlanması zor olan, ancak sınıflandırma için kritik öneme sahip soyut temsiller öğrenir. Bu temsiller, nesnelerin farklı açılardan, aydınlatma koşullarından veya bağlamlardan tanınmasını sağlar.

Hiyerarşik Özellik Öğrenimi

CNN’lerin en güçlü yönlerinden biri, hiyerarşik özellik öğrenme yetenekleridir. İlk katmanlar, ham piksellerden düşük seviyeli özellikleri (kenarlar, köşeler) çıkarır. Bu düşük seviyeli özellikler, bir sonraki katmanın girdisi haline gelir. İkinci katmandaki filtreler, bu düşük seviyeli özellikleri birleştirerek daha karmaşık, orta seviyeli özellikleri (örneğin, nesne parçaları) öğrenir. Bu süreç, ağın derinliklerine doğru devam eder, her katman bir önceki katmanın öğrendiği özellikler üzerine inşa ederek giderek daha soyut ve anlamsal özellikler öğrenir. Bu hiyerarşik yapı, CNN’lerin görüntüdeki karmaşık ilişkileri ve yapıları etkili bir şekilde anlamasını sağlar.

Evrişim Katmanındaki Filtrelerin Mimarisi

Bir evrişim katmanı sadece tek bir filtreden ibaret değildir; genellikle birden fazla filtre ve ek işlemler içerir.

Çoklu Filtreler ve Özellik Haritaları

Bir evrişim katmanında genellikle birden fazla filtre kullanılır. Bunun nedeni, bir görüntünün sadece bir tür özelliğe sahip olmamasıdır. Örneğin, bir görüntüde hem dikey kenarlar, hem yatay kenarlar, hem de farklı doku desenleri bulunabilir. Her bir filtre, farklı bir özelliği algılamak üzere eğitilir.

Eğer bir evrişim katmanında $K$ adet filtre kullanılıyorsa, bu katmanın çıktısı $K$ adet özellik haritasından oluşan bir yığın olacaktır. Her bir özellik haritası, belirli bir filtrenin algıladığı özelliğin görüntüdeki varlığını temsil eder. Bu özellik haritası yığını, bir sonraki evrişim katmanı veya havuzlama katmanı için girdi olarak kullanılır. Bu şekilde, ağ, her katmanda görüntünün farklı ve zengin bir temsilini oluşturur.

Stride (Adım) ve Padding (Dolgu)

Evrişim işlemi sırasında iki önemli hiperparametre, çıktı özellik haritasının boyutunu ve filtrenin görüntüyü nasıl taradığını etkiler:
* Stride (Adım): Filtrenin görüntü üzerinde her seferinde kaç piksel kayacağını belirler. Varsayılan olarak stride 1’dir, yani filtre her seferinde 1 piksel kayar. Stride değeri 1’den büyük olduğunda (örneğin, stride 2), filtre daha büyük adımlarla kayar, bu da çıktı özellik haritasının boyutunu küçültür. Bu, ağın daha derin katmanlarında uzamsal çözünürlüğü azaltmak ve hesaplama maliyetini düşürmek için kullanılabilir.
* Padding (Dolgu): Evrişim işlemi sırasında, filtrenin kenarlara yakın piksellerle yeterince etkileşime girememesi nedeniyle görüntü kenarlarındaki bilgiler kaybolabilir ve çıktı özellik haritası orijinal görüntüden daha küçük olabilir. Padding, bu sorunu çözmek için görüntünün kenarlarına genellikle sıfır değerlerinden oluşan pikseller ekleme işlemidir.
* “Valid” Padding (Geçerli Dolgu): Hiçbir dolgu eklenmez. Çıktı boyutu genellikle küçülür.
* “Same” Padding (Aynı Dolgu): Görüntüye yeterli dolgu eklenir, böylece çıktı özellik haritasının uzamsal boyutu (genişlik ve yükseklik) girdi görüntüsüyle aynı kalır. Bu, ağın derinliklerinde uzamsal bilgiyi korumak için kullanışlıdır.

ReLU Aktivasyon Fonksiyonu

Evrişim katmanının çıktısı genellikle bir aktivasyon fonksiyonundan geçirilir. En yaygın kullanılan aktivasyon fonksiyonlarından biri Doğrultulmuş Doğrusal Birim (Rectified Linear Unit – ReLU)’dur. ReLU, negatif değerleri sıfıra ayarlar ve pozitif değerleri olduğu gibi bırakır.
* Doğrusalsızlık Katma: Aktivasyon fonksiyonları, sinir ağlarına doğrusalsızlık ekler. Eğer aktivasyon fonksiyonları kullanılmasaydı, bir CNN, kaç katmandan oluşursa oluşsun, yalnızca doğrusal bir dönüşüm gerçekleştirebilirdi ki bu da karmaşık desenleri öğrenme yeteneğini kısıtlardı. ReLU, ağın karmaşık, doğrusal olmayan ilişkileri öğrenmesini sağlar.
* Seyrek Aktivasyon: ReLU, negatif aktivasyonları sıfırlayarak seyreklik yaratır. Bu, ağın daha az nöronun aktif olduğu daha verimli temsiller öğrenmesine yardımcı olabilir ve aşırı öğrenmeyi azaltabilir.
* Gradyan Kaybolma Problemini Azaltma: Geleneksel sigmoid veya tanh gibi aktivasyon fonksiyonları, gradyanların çok küçük olduğu “doygunluk” bölgelerine sahiptir, bu da derin ağlarda gradyan kaybolması (vanishing gradient) sorununa yol açabilir. ReLU, pozitif bölgede sabit bir gradyana sahip olduğu için bu sorunu hafifletir.

Filtrelerin Eğitimi ve Öğrenmesi

CNN’lerdeki filtrelerin ağırlıkları, ağın eğitimi sırasında otomatik olarak öğrenilir. Bu, geleneksel görüntü işleme yöntemlerinden (manuel olarak filtre tasarlama) en büyük farkıdır ve CNN’leri bu kadar güçlü kılan temel faktördür.

Geri Yayılım (Backpropagation) ve Gradyan İnişi (Gradient Descent)

Filtre ağırlıklarının öğrenilmesi, denetimli öğrenme prensiplerine dayanır:
1. İleri Besleme (Forward Pass): Bir girdi görüntüsü ağa verilir ve her katmandaki evrişim ve aktivasyon işlemleriyle bir çıktı (örneğin, sınıflandırma tahmini) üretilir.
2. Hata Hesaplama: Modelin tahmini ile gerçek etiket (ground truth) arasındaki fark, bir kayıp fonksiyonu (örneğin, çapraz entropi) kullanılarak hesaplanır. Bu fark, modelin ne kadar iyi performans gösterdiğini gösteren bir “hata” değeridir.
3. Geri Yayılım (Backpropagation): Hesaplanan hata, ağın çıktısından geriye doğru, katman katman yayılır. Geri yayılım algoritması, her bir filtrenin ağırlığının, toplam hataya ne kadar katkıda bulunduğunu belirleyen gradyanları (türevleri) hesaplar.
4. Gradyan İnişi (Gradient Descent): Elde edilen gradyanlar kullanılarak, filtre ağırlıkları güncellenir. Gradyan inişi algoritması, ağırlıkları, hatayı azaltacak yönde küçük adımlarla ayarlar. Bu işlem, ağın eğitimi boyunca binlerce hatta milyonlarca kez tekrarlanır. Amaç, kayıp fonksiyonunu minimize eden optimal filtre ağırlıklarını bulmaktır.

Öğrenme Oranı (Learning Rate)

Öğrenme oranı, gradyan inişi sırasında ağırlıkların ne kadar büyük adımlarla güncelleneceğini belirleyen kritik bir hiperparametredir.
* Yüksek Öğrenme Oranı: Modelin hızlı bir şekilde öğrenmesini sağlayabilir ancak optimal noktayı aşmasına ve yakınsamamasına neden olabilir.
* Düşük Öğrenme Oranı: Modelin daha yavaş öğrenmesine neden olur ancak daha istikrarlı bir yakınsama sağlayabilir. Çok düşük bir öğrenme oranı, modelin yerel minimumlarda takılıp kalmasına veya eğitimin çok uzun sürmesine neden olabilir.
Optimal bir öğrenme oranı bulmak, genellikle deneme-yanılma ve farklı stratejiler (örneğin, öğrenme oranı çizelgeleri) gerektiren önemli bir hiperparametre ayarlama görevidir.

Veri Kümesinin Önemi

Filtrelerin etkili ve genellenebilir özellikler öğrenmesi için, ağın geniş ve çeşitli bir veri kümesi üzerinde eğitilmesi hayati önem taşır. Yeterince çeşitli olmayan bir veri kümesi, filtrelere sadece belirli örneklerdeki özellikleri öğrenme eğilimi verebilir, bu da modelin yeni, daha önce görmediği verilere genelleme yeteneğini azaltır (aşırı öğrenme). Büyük ve etiketli veri kümeleri (ImageNet gibi), CNN’lerin karmaşık ve güçlü filtreler öğrenmesini sağlamıştır.

Filtreleri Görselleştirme ve Anlama

CNN’lerin “kara kutu” doğasını anlamak ve filtrelerin ne öğrendiğini yorumlamak, modelin güvenilirliğini artırmak ve hata ayıklamak için önemlidir.

Filtre Görselleştirmesi

Bir CNN’in ilk katmanlarındaki filtreleri doğrudan görselleştirmek genellikle mümkündür. 3 kanallı (RGB) bir girdi için bir filtre, 3x3x3 boyutunda bir küp olacağından, her bir kanalın ağırlıklarını ayrı ayrı veya birleştirerek bir renk yaması olarak gösterebiliriz.
* İlk Katmanlar: İlk katmanlardaki filtreler genellikle kenar dedektörleri, renk blobları veya basit doku algılayıcıları gibi temel görsel desenleri gösterir. Örneğin, bazı filtreler dikey mavi kenarları, bazıları yatay kırmızı kenarları algılayabilir. Bu, bu filtrelerin belirli yön ve renk kombinasyonlarına duyarlı olduğunu gösterir.
* Derin Katmanlar: Ağın derinliklerine inildikçe, filtreler daha karmaşık ve soyut desenleri öğrenir. Bu katmanlardaki filtrelerin ağırlıklarını doğrudan görselleştirmek genellikle daha zordur ve insan tarafından yorumlanması pek anlamlı olmayabilir. Bunun yerine, bu filtrelerin hangi girdilere en çok tepki verdiğini anlamak için başka teknikler kullanılır.

Aktivasyon Haritası Görselleştirmesi

Bir girdi görüntüsü verildiğinde, belirli bir katmandaki ve belirli bir filtreden geçen aktivasyon haritasını görselleştirmek, filtrenin görüntünün hangi bölgelerine tepki verdiğini anlamamızı sağlar.
* Yüksek aktivasyon değerleri, filtrenin algılamaya çalıştığı özelliğin o bölgede yoğun bir şekilde bulunduğunu gösterir.
* Düşük aktivasyon değerleri ise, özelliğin ya bulunmadığını ya da filtrenin o bölgeye duyarlı olmadığını gösterir.
Bu teknik, bir filtrenin belirli bir nesne parçası veya doku ile gerçekten ilişkili olup olmadığını doğrulamak için kullanılabilir. Örneğin, bir “göz” filtresinin, bir yüz görüntüsündeki göz bölgelerinde yüksek aktivasyon gösterdiğini görebiliriz.

Sınıf Aktivasyon Haritaları (Class Activation Maps – CAM/Grad-CAM)

Sınıf Aktivasyon Haritaları (CAM) ve onun genelleştirilmiş versiyonu Grad-CAM gibi teknikler, bir CNN’in belirli bir sınıflandırma kararı verirken görüntünün hangi bölgelerine “baktığını” göstererek yorumlanabilir yapay zeka (XAI) alanında önemli bir rol oynar.
* Bu teknikler, ağın son evrişim katmanlarının çıktılarını kullanarak, belirli bir sınıfın aktivasyonunu artıran piksel bölgelerini vurgulayan bir ısı haritası oluşturur.
* Örneğin, bir CNN bir görüntüdeki “kedi”yi sınıflandırdığında, Grad-CAM ısı haritası genellikle kedinin vücudunu ve yüzünü vurgulayacaktır. Bu, modelin doğru kararı doğru nedenlerle verdiğini doğrulamaya yardımcı olur. Yanlış bir sınıflandırma durumunda, ısı haritası modelin yanlış bir bölgeye odaklandığını ortaya çıkarabilir, bu da hata ayıklama için değerli bilgiler sağlar.

Gelişmiş Filtre Konseptleri ve Uygulamaları

Standart evrişim filtrelerinin yanı sıra, CNN mimarilerini daha verimli veya daha güçlü hale getirmek için çeşitli gelişmiş filtre konseptleri geliştirilmiştir.

Dile Edilmiş Evrişimler (Dilated Convolutions)

Dile edilmiş evrişimler (atrous convolutions olarak da bilinir), filtrenin ağırlıkları arasına “boşluklar” (sıfırlar) ekleyerek filtrenin algı alanını (receptive field) genişletir. Bu, çıktı özellik haritasının uzamsal çözünürlüğünü (boyutunu) azaltmadan daha geniş bir bağlamdan bilgi toplamasına olanak tanır.
* Avantajı: Görüntü segmentasyonu gibi yoğun tahmin gerektiren görevlerde, çıktının çözünürlüğünü korurken geniş bir bağlam bilgisi elde etmek için çok kullanışlıdır.
* Uygulama: Genellikle anlamsal segmentasyon ağlarında (örneğin, DeepLab serisi) kullanılır.

Derinlemesine Ayrılabilir Evrişimler (Depthwise Separable Convolutions)

Derinlemesine ayrılabilir evrişimler, standart evrişim işlemini iki ayrı adıma ayırarak parametre sayısını ve hesaplama maliyetini önemli ölçüde azaltır:
1. Derinlemesine Evrişim (Depthwise Convolution): Her girdi kanalı için ayrı ayrı, tek bir filtre uygulanır. Bu, uzamsal bilgiyi yakalar.
2. Noktasal Evrişim (Pointwise Convolution): 1×1’lik evrişim filtreleri kullanılarak, derinlemesine evrişimden gelen kanal başına çıktıları birleştirir ve kanal sayısını ayarlar. Bu, kanal içi ilişkileri yakalar.
* Avantajı: Parametre ve hesaplama verimliliği sayesinde mobil ve gömülü cihazlarda CNN’lerin dağıtımını kolaylaştırır.
* Uygulama: MobileNet ve Xception gibi verimli CNN mimarilerinde yaygın olarak kullanılır.

1×1 Evrişimler (Pointwise Convolutions)

1×1 evrişimler, filtre boyutu 1×1 olan özel bir evrişim türüdür. İlk bakışta anlamsız gibi görünse de, derin öğrenmede çok önemli işlevlere sahiptir:
* Kanal Sayısını Değiştirme: En önemli işlevi, özellik haritasının kanal sayısını azaltmak veya artırmaktır. Örneğin, 256 kanallı bir özellik haritasını 64 kanala düşürmek için 64 adet 1×1 filtre kullanılabilir. Bu, hesaplama maliyetini düşürür ve ağın daha derinleşmesine olanak tanır.
* Doğrusalsızlık Ekleme: Bir aktivasyon fonksiyonu ile birlikte kullanıldığında, kanallar arasında doğrusal olmayan etkileşimler ekleyerek ağın karmaşıklığını artırır.
* Uygulama: Google’ın Inception mimarisinde ve ResNet gibi ağlarda boyut azaltma ve artırma, ayrıca kanal içi etkileşimleri öğrenme için sıkça kullanılır.

Transpoze Evrişimler (Transposed Convolutions / Deconvolutions)

Transpoze evrişimler (genellikle “dekonvolüsyon” olarak yanlış adlandırılır, ancak ters evrişim değildir), bir evrişim işleminin tersi gibi hareket ederek girdi özellik haritasının uzamsal boyutunu büyütür.
* Amacı: Daha düşük çözünürlüklü özellik haritalarından daha yüksek çözünürlüklü çıktılar üretmek için kullanılır.
* Uygulama: Üretken modellerde (örneğin, Üretken Çekişmeli Ağlar – GAN’lar), görüntü segmentasyonu için kodlayıcı-kod çözücü (encoder-decoder) mimarilerinde ve süper çözünürlük görevlerinde yaygın olarak kullanılır.

Sonuç

Filtreler, Evrişimli Sinir Ağlarının (CNN) temelini oluşturan ve onların görüntü verilerini anlama yeteneğinin merkezinde yer alan öğrenilebilir matrislerdir. Ham piksel verilerinden başlayarak, kenarlar, dokular, nesne parçaları ve nihayetinde tam nesneler gibi hiyerarşik ve giderek daha karmaşık özellikleri otomatik olarak çıkarırlar. Bu otomatik özellik çıkarımı, CNN’lerin geleneksel görüntü işleme yöntemlerine göre üstün performans sergilemesinin ana nedenidir.

Evrişim işlemi, filtrelerin girdi üzerinde kaydırılmasıyla özellik haritaları oluşturarak çalışır. Stride ve padding gibi hiperparametreler, bu işlemin çıktısını şekillendirirken, ReLU gibi aktivasyon fonksiyonları ağa doğrusalsızlık katar. Filtrelerin ağırlıkları, geri yayılım ve gradyan inişi algoritmaları aracılığıyla geniş veri kümeleri üzerinde eğitilerek optimize edilir.

Filtrelerin görselleştirilmesi ve aktivasyon haritalarının incelenmesi, bu “kara kutu” modellerin ne öğrendiğini anlamak için kritik öneme sahiptir. Grad-CAM gibi teknikler, modelin kararlarını yorumlanabilir hale getirerek yapay zekanın şeffaflığını artırır. Dile edilmiş, derinlemesine ayrılabilir ve 1×1 evrişimler gibi gelişmiş filtre konseptleri, CNN mimarilerini daha verimli, daha hızlı ve daha güçlü hale getirerek yeni uygulama alanlarının kapılarını açmıştır.

Sonuç olarak, filtreler sadece matematiksel operasyonlar değildir; onlar, makinelerin dünyayı görsel olarak algılamasını ve yorumlamasını sağlayan “gözler” ve “beyin” arasındaki bağlantıyı kuran temel bileşenlerdir. CNN’lerin sürekli gelişimi ve yeni filtre konseptlerinin ortaya çıkması, bilgisayar görüşü alanındaki ilerlemelerin hız kesmeden devam edeceğini göstermektedir.