/01Was ist ein CNN?
Ein CNN (Convolutional Neural Network, auf Deutsch: faltendes neuronales Netz) ist eine spezielle Art von neuronalem Netz, das besonders gut darin ist, Muster in Bildern und anderen räumlich strukturierten Daten zu erkennen. CNNs verwenden sogenannte Filter (Kernel), die systematisch über ein Bild gleiten und dabei lokale Merkmale wie Kanten, Ecken und Texturen erkennen. Diese Architektur hat die Bildverarbeitung revolutioniert und ist die Grundlage für Anwendungen wie Gesichtserkennung, medizinische Bildanalyse und autonomes Fahren.
/02Wie funktioniert ein CNN?
Ein CNN verarbeitet Bilder in mehreren aufeinanderfolgenden Schichten. In den Faltungsschichten (Convolutional Layers) gleiten kleine Filter über das Bild und erzeugen sogenannte Feature Maps, die zeigen, wo bestimmte Muster auftreten. Pooling-Schichten reduzieren anschließend die Datenmenge, indem sie die Feature Maps verkleinern, ohne wesentliche Informationen zu verlieren. In den frühen Schichten erkennt das Netz einfache Muster wie Kanten und Farbübergänge; in den mittleren Schichten kombiniert es diese zu Texturen und Formen; in den tiefen Schichten erkennt es komplexe Objekte wie Gesichter, Fahrzeuge oder Produkte. Am Ende stehen vollständig verbundene Schichten, die eine Klassifikation vornehmen -- etwa ob ein Bild eine Katze oder einen Hund zeigt.
/03Warum sind CNNs wichtig?
CNNs haben Computer Vision von einer Nischentechnologie zu einem zuverlässigen Werkzeug für Unternehmen gemacht. Sie werden in der industriellen Qualitätskontrolle eingesetzt, um fehlerhafte Produkte automatisch zu erkennen, in der Medizin zur Analyse von Röntgenbildern und CT-Scans, und im Einzelhandel für die visuelle Suche. Obwohl für einige Aufgaben inzwischen Vision Transformer eingesetzt werden, bleiben CNNs wegen ihrer Effizienz besonders für Anwendungen auf Geräten mit begrenzter Rechenleistung (Edge AI) sehr relevant.
Mehr dazu in unserem Blogartikel: Computer Vision & Bilderkennung