Convolutional neural network (CNN)
Bagian 2 · Fondasi machine learning
| Istilah | Arti |
|---|---|
| convolution | Operasi menggeser filter kecil di atas gambar sambil menghitung jumlah berbobot di setiap posisi, dipakai CNN untuk mengekstrak fitur dari gambar. |
| filter | Kotak kecil berisi angka, misalnya berukuran 3 kali 3, yang digeser di atas gambar untuk mendeteksi pola tertentu seperti tepi atau efek blur. |
| kernel | Sebutan lain untuk filter dalam konvolusi, dan nilainya dalam CNN dipelajari otomatis saat pelatihan seperti bobot biasa. |
| feature map | Grid hasil konvolusi yang menunjukkan di bagian mana sebuah pola ditemukan, misalnya grid 4 kali 4 dari gambar 6 kali 6. |
| padding | Penambahan lapisan piksel bernilai nol di sekeliling gambar agar ukuran output tetap sama dan piksel di tepi tidak kehilangan informasi. |
| stride | Jumlah langkah pergeseran filter setiap kali bergerak, misalnya stride dua berarti filter melompat dua piksel sehingga output lebih kecil. |
| pooling | Lapisan yang mengecilkan ukuran feature map dengan meringkas setiap area kecil, sehingga perhitungan lebih ringan namun informasi penting tetap ada. |
| max pooling | Jenis pooling yang hanya mengambil nilai piksel terbesar dari setiap jendela, misalnya jendela 2 kali 2 dengan stride dua. |
| average pooling | Jenis pooling yang menghitung rata-rata semua nilai di dalam setiap jendela, bukan mengambil nilai terbesarnya. |
| receptive field | Luas area gambar input yang memengaruhi satu piksel output, yang makin besar di lapisan dalam sehingga jaringan bisa mengenali objek dan wajah. |
| dilation | Jarak antarelemen kernel yang diperlebar agar filter menjangkau area lebih luas tanpa menambah jumlah parameternya. |
| RGB | Tiga kanal warna merah, hijau, dan biru pada gambar berwarna, sehingga filter konvolusi untuk gambar seperti ini juga harus punya tiga kanal. |
| edge | Batas tajam antara area terang dan gelap pada gambar, yang dideteksi filter khusus tepi vertikal atau horizontal di video ini. |
| pixel | Titik terkecil penyusun gambar digital yang menyimpan nilai kecerahan atau warna, dan setiap piksel dihitung sebagai satu fitur input. |
Video ini menjelaskan cara kerja convolutional neural network atau CNN, lanjutan dari pembahasan jaringan saraf tiruan biasa. Masalah awalnya sederhana: gambar berukuran 100 kali 100 piksel dengan tiga kanal RGB sudah menghasilkan 30.000 fitur input, sehingga jaringan biasa akan membutuhkan jutaan bobot dan bias yang mahal dihitung dan tidak praktis. CNN mengatasinya dengan lapisan konvolusi yang mengekstrak fitur penting seperti tepi, bentuk, tekstur, dan pola, sehingga jumlah fitur bisa turun dari puluhan ribu menjadi beberapa ratus tanpa membuang informasi penting. Pendekatan ini terinspirasi dari cara sistem penglihatan manusia yang tidak memperhatikan setiap piksel satu per satu. Video ini penting bagi pemula karena membedah satu per satu komponen dasar CNN, mulai dari konvolusi, padding, stride, pooling, sampai receptive field dan dilation, lengkap dengan rumus ukuran output, sebagai bekal sebelum mempelajari arsitektur CNN populer di video berikutnya.
Contoh pertama memakai gambar grayscale 6 kali 6 dan filter 3 kali 3 yang digeser untuk menghitung jumlah berbobot, menghasilkan feature map 4 kali 4 sesuai rumus n dikurangi f ditambah 1. Karena ukuran mengecil dan piksel di pojok kurang terwakili, dipakai padding berupa lapisan nol di tepi gambar, dan stride menentukan berapa langkah filter bergeser. Pada gambar RGB, filter juga punya tiga kanal, dan beberapa filter ditumpuk menjadi feature map 3D, misalnya input 6x6x3 dengan tiga filter 3x3x3 menghasilkan 4x4x3. Video memperlihatkan filter untuk deteksi tepi vertikal dan horizontal, mean blur, Gaussian blur, dan penajaman, lalu menegaskan bahwa nilai filter dipelajari otomatis lewat backpropagation. Setiap lapisan menambahkan bias dan fungsi aktivasi ReLU. Max pooling dan average pooling mengecilkan ukuran feature map sebelum tahap flattening. Receptive field naik dari 3 ke 5 dengan dua lapisan stride satu, atau ke 7 bila stride dua, dan dilation memperluasnya tanpa menambah parameter, misalnya kernel 3x3 dengan dilation 2 setara 5x5.
Kata kunci
- convolution
- feature map
- receptive field
- stride
- Memahami mengapa gambar besar sulit diproses jaringan biasa (gambar 100x100 RGB berarti 30.000 fitur) dan bagaimana CNN mengekstrak fitur seperti tepi dan bentuk.
- Menghitung operasi convolution dengan filter (kernel), padding, dan stride, lalu membaca ukuran feature map hasilnya.
- Memahami convolution pada gambar berwarna (filter 3D, banyak filter menghasilkan feature map bertumpuk) dan pooling (max dan average).
- Mengenali receptive field dan dilation, serta bagaimana lapisan awal menangkap tepi sedangkan lapisan dalam menangkap objek.
Tulis catatan pribadimu untuk modul ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.