Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/
Mạng nơ ron tế bào như đã nói ở trên là một hệ tính toán song song đặc biệt thuận tiện cho các tác vụ xử lý các luồng mảng tín hiệu. Với cấu trúc liên kết cục bộ giống nhau ở tất cả các tế bào của mạng nên mạng CNN trễ dễ
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/
dàng được thực thi trên một chíp CMOS, FPGA. Hoạt động của mạng CNN hoàn toàn được xác định bởi bộ mẫu liên kết cục bộ. Việc thiết kế các mẫu liên kết cho mạng CNN là một vấn đề khó vì thực chất là bài toán xác định các tham số cho một hệ động lực phi tuyến phụ thuộc cả các biến không gian và thời gian cho một tác vụ xử lý cụ thể. Trong khi xây dựng các ứng dụng mạng nơ ron tế bào CNN trước hết người ta xác định mô hình của mạng: một lớp hay nhiều lớp, cấu trúc mối liên kết cục bộ … Sau đó là bước thiết kế bộ mẫu (hoặc các bộ mẫu với mạng nhiều lớp) xác định hành vi động học của mạng. Đây chính là bước xác định giá trị của các hệ số trong các ma trận A, B và giá trị ngưỡng z sao cho ứng với các bộ giá trị đó mạng CNN đảm bảo thu được mảng các giá trị đầu ra theo yêu cầu. Việc xử lý tính toán trên mạng CNN về bản chất là tìm được các mô hình, các bộ mẫu cơ bản, các thuật toán cơ sở
(framework) phối hợp các bộ mẫu cho ứng dụng cụ thể. Trên máy tính PC chúng ta dùng các câu lệnh sai, thuật toán sai thì không thể thu được kết quả mong muốn sau khi chạy chương trình. Cũng như vậy trên máy tính CNN UM chúng ta sẽ không nhận được kết quả đúng khi chạy các bộ mẫu thiết kế sai.
Để thuận tiện cho việc xây dựng các ứng dụng bằng CNN một số mẫu cơ bản đã được các nhà khoa học Viện Hàn lâm khoa học Hungary soạn thảo tập hợp trong thư viện phần mềm các mẫu cho CNN –CNN Software library 2.1 (1-2007). Các mẫu này có thể được sử dụng qua các hàm của các thư viện phần mềm hoạt động trên các thiết bị CNN như InstantVision chạy trên thiết bị Bi-I sử dụng chíp CNN ACE16K. Các mẫu này cũng có thể được người sử dụng nạp trực tiếp từ các file text chứa mẫu vào ACE16K và sau đó kích hoạt mạng CNN để nhận được kết quả ở đầu ra. Các mẫu này bao gồm các mẫu thực hiện các tác vụ cơ bản cho xử lý ảnh như phân ngưỡng, tìm biên, thực hiện logic, hình thái học,… ngoài ra còn có một số mẫu như mẫu dò tìm sự chuyển động trên ảnh xám, phân vùng các mẫu dệt, chọn các đối tượng được đánh dấu, giải phương trình vi phân đạo hàm riêng PDE, …Các nhà nghiên cứu về CNN có thể cập nhật các mẫu mới và thủ tục mới vào thư viện này để
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/
làm phong phú thêm thư viện dùng chung. Một số ví dụ mẫu và tác dụng của chúng được mô tả như sau:
Mẫu tìm biên
Ảnh đầu vào Ảnh đầu ra sau chạy mẫu
Hình 2.1. Mẫu tìm biên và hiệu quả của mẫu
Mẫu thiết lập ngưỡng
Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/
Hình 2.2. Mẫu thiết lập ngưỡng
Khi dùng CNN để xử lý ảnh có thể sử dụng các mẫu đơn trong thư viện mẫu hoặc mẫu do chúng ta tìm ra theo yêu cầu hoặc cũng có thể phối hợp nhiều mẫu lần lượt hoặc cũng có thể phối hợp tính toán lai kết hợp các mảng CNN với DSP.
Hiện nay có nhiều phương pháp xác định được các mẫu phục vụ cho việc xử lý trên mạng CNN. Theo cách thức nội dung tiến hành có thể tạm thời chia thành một số phương pháp thiết kế như trong phần dưới đây. Các phương pháp được giới thiệu này chủ yếu được dùng để tìm mẫu cho các tác vụ xử lý ảnh không diễn tả được bằng phương trình toán học. Các phương pháp hay được sử dụng nhiều hiện nay là thiết kế mẫu trực tiếp và phương pháp học.