Njohja e objekteve nëpërmjet rrjeteve nervore me thurje
Rrjetet CNN (Convolutional Neural Network – Rrjet nervor me thurje) përbëjnë strukturën më të njohur e të përdorur të rrjeteve nervore artificiale. Këto struktura janë zgjedhja parësore për zgjidhjen e shumicës së problemeve që lidhen me imazhet apo pamjet. Përparësia kryesore e tyre lidhet me faktin që rrjetet CNN kanë aftësi të dallojnë, nxjerrin, dhe përzgjedhin automatikisht tiparet e rëndësishme të imazheve pa patur nevojë për ndërhyrje apo mbikëqyrje nga njeriu. Kjo veçori e lehtëson dhe e shpejton së tepërmi punën për ndërtimin e modeleve me të dhëna nga fusha të ndryshme dhe vënien e tyre në punë.
Si rrjeti i parë CNN konsiderohet arkitektura e quajtur LeNet e shpikur në vitin 1990. Kjo arkitekturë përbëhej nga dy çifte shtesash të thurjes dhe nënkampionimit për përzgjedhjen e tipareve dhe një shtrese më lidhje të plotë për klasifikimin e imazheve. Përdorimi i saj i parë kishte të bënte me dallimin e simboleve shifrore (të shkruara me shkrim dore) nëpër imazhe me defekte të ndryshme pamore si pozicionim apo shkallëzim jo i saktë, përdredhje apo shtypje e pamjes, etj. Në vitin 1998 u krijua dhe prezantua bashkësia e të dhënave e quajtur MNIST e cila përfshinte 70000 imazhe numrash. Kjo bashkësi të dhënash u përdor fillimisht me arkitekturën LeNet dhe mori një popullaritet të gjerë në fushën e njohjes së imazheve, duke rritur gjithashtu popullaritetin e rrjeteve CNN.
Një shtysë më shumë për zhvillimin e arkitekturave të rrjeteve CNN ishte dhe krijimi i bashkësisë së imazheve ImageNet si dhe i sfidës ILSVRC (Large Scale Visual Recognition Challenge – Sfida e njohjes pamore në shkallë të gjerë). Bashkësia e imazheve të ImageNet përfshin mbi 1.2 milion kampione të etiketuara nga rreth 1000 kategori sendesh apo objektesh. Këto të dhëna janë përdorur rregullisht në sfidën e përvitshme ILSVRC për trajnimin dhe testimin krahasues të arkitekturave të ndryshme me rrjete CNN. Një ndër arkitekturat e para të rëndësishme ishte AlexNet e prezantuar në vitin 2012 e cila shërbeu si bazë për disa rrjete të tjera të mëvonshme. AlexNet përmbante tetë shtresa: pesë shtresat e para CNN të ndjekura nga shtresa nënkampionimi dhe tre të fundit shtresa me lidhje të plotë.
Arkitektura VGG (me variante të ndryshme si VGG-16, VGG-19, etj.) u propozua në vitin 2014 dhe ishte më e thellë (19 shtresa) por me shtresa më të thjeshta. VGG përbëhej nga shtresa CNN me filtra 3 x 3 dhe nënkampionime 2 x 2. Numri i filtrave të aplikuara secilën shtresë dyfishohej pas çdo shtrese nënkampionimi. Një tjetër arkitekturë e kësaj periudhe ishte dhe ResNet e propozuar në vitin 2015. ResNet ishte rreth 10 herë më e thellë se arkitekturat e tjera CNN (152 shtresa në total). Veç kësaj, ResNet solli konceptin e bllokut me tepricë i cili e tejçon hyrjen e tij dy shtresa më tej ose duke e kaluar nëpër shtresat e veta CNN, ose duke e përhapur përpara pa asnjë ndryshim. U prezantua gjithashtu një variant edhe më i thellë dhe më i suksesshëm i ResNet që përbëhej nga 1000 shtresa. Për nga ndërtimi, ResNet funksionon si një ansambël rrjetesh të cekët dhe të pavarur nga njëri-tjetri. Për më tepër, është vënë re se mekanizmi bazë i bllokut të tepërt luan një rol të rëndësishëm edhe të lobi pamor i trurit të njeriut, megjithëse nuk u modelua prej tij.
Të gjitha këto arkitektura e kanë ulur gjithnjë e më shumë gabimin e klasifikimit të imazheve të sfidës ILSVRC. Për më tepër, ato kanë ndihmuar në zgjerimin e zbatimeve të rrjeteve CNN në fusha si:
