CHƯƠNG 2 MẠNG NƠ RON TẾ BÀO CNN VÀ LỌC NHIỄU TRONG XỬ LÝ ẢNH
2.2 Một số vấn đề cơ bản của CNN
2.2.4. Thiết kế mẫu cho mạng nơ ron tế bào
a) Bộ mẫu – chương trình máy tính mạng nơ ron tế bào
Mạng nơ ron tế bào CNN 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 dễ dàng được thực thi trên một chip 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 nơron tế bào CNN trước hết người ta xác định mô hình của mạng: 1 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 được 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 thuộc Viện hàn lâm khoa học Hung ga ry soạn thảo tập hợp trong thư viện phần mềm các mẫu cho CNN - CNN Software Library 2.1 (1- 2007) [12]. 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 chip 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 [42], ...Các nhà nghiên cứu về CNN có thể cập nhật các mẫu mới và thủ tục mới vào thư viện này để 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 2.14 Mẫu tìm biên và hiệu quả của mẫu
• Mẫu thiết lập ngưỡng
Ảnh đầu vào Ảnh đầu ra sau chạy mẫu Hình 2.15 Mẫu thiết lập ngưỡng (Threshold)
• Mẫu phục hồi ảnh trên cơ sở nội suy
trong đó d = λsign(yij-xkl); λ = [-1,0] với (B = 0, z = 0)
Hình 2.16 Tách thu hồi ảnh nguyên bản
• Mẫu điền đầy chỗ lõm của các đối tượng (Hollow):
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 (xem cụ thể cách thức thực hiện được giới thiệu trong phần 3.2, 3.3, 3.4).
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.
a) Ảnh đầu vào b) Biến đổi sau 20 lần lặp mẫu c) Sau 100 lần lặp mẫu Hình 2.17 Tác dụng của mẫu Hollow
b) Các phương pháp thiết kế mẫu cho CNN
1 - Sử dụng các mặt nạ trong kỹ thuật xử lý ảnh truyền thống Dùng các mặt nạ đã được sử dụng, kiểm nghiệm trong quá trình xử lý ảnh trên máy tính số như các mẫu lọc trung bình (average), các mẫu co ảnh (erosion), dãn ảnh (dilation), ... Trong mạng CNN mặt nạ này được sử dụng làm ma trận A cho phép thực hiện các phép biến đổi tương đương.
2 - Phân tích hoạt động của CNN để tìm ra mẫu
Theo phương pháp này để tìm ra một tập mẫu trước hết cần phảỉ phân tích mô tả hoạt động của mẫu đó thành các tác vụ chi tiết – Các luật cục bộ (local rule) sau đó dựa vào phương trình trạng thái và đồ thị quan hệ giữa biến trạng thái và đạo hàm bậc nhất của nó (đồ thị DP) [31] để xác định mẫu.
3 - Phương pháp thiết kế mẫu dùng bảng logic
Phương pháp này được L.O Chua phân tích đầu tiên trong [31]. Đây là phương pháp xác định các mẫu cho các mạng CNN không ghép cặp (mẫu A chỉ có thành phần trung tâm khác 0 các thành phần khác bằng 0). Phương pháp này có đặc điểm là đơn giản nhưng chỉ áp dụng được với các ảnh nhị phân và các tác vụ không phức tạp.
4 - Phương pháp thiết kế mẫu trực tiếp [7]
Đây là phương pháp dùng thiết kế mẫu cho xử lý ảnh nhị phân được Ákos Zarándy đề xuất. Phương pháp này được sử dụng để thiết kế mẫu khi nhiệm vụ yêu cầu đã được xác định chính xác. Các mẫu tìm được có thể là loại cho mạng CNN ghép cặp hoặc không ghép cặp. Trình tự tiến hành thiết kế mẫu theo phương pháp trực tiếp theo 4 bước như trong hình 2.18:
Hình 2.18 Sơ đồ các bước thiết kế mẫu theo phương pháp trực tiếp.
Tạo hệ thống quy luật quan hệ
Giải hệ thống quy luật quan hệ
Chọn mẫu mạnh nhất Định hình dạng
mẫu
5 - Thiết kế mẫu dùng phương pháp học
Phương pháp học [9], [10], [15], [16] để tìm bộ trọng số liên kết (bộ mẫu) trong mạng CNN là phương học theo tham số và có giám sát. Đầu vào của thủ tục học là: các ảnh cần xử lý và ảnh yêu cầu ở đầu ra, điều kiện đối xứng của các hệ số
ma trận mẫu. Đầu ra của thủ tục là bộ mẫu cần tìm gồm hai ma trận 3x3 (18 hệ số ma trận) và 1 tham số ngưỡng. Tổng cộng là 19 tham số cần tìm cho 1 bộ mẫu. Mẫu học là phương pháp thiết kế rất quan trọng khi mà đầu ra yêu cầu tồn tại không rõ ràng, việc thiết kế mẫu trực tiếp không thực hiện được ví dụ như khi phân đoạn các mẫu dệt.
6 - Sử dụng GA và Fuzzy
Thuật giải di truyền (Genetic Algorithms- GA) và logic mờ (fuzzy logic) cũng được áp dụng trong thiết kế các mẫu phục vụ cho các tác vụ của mạng CNN [11], [33], [34], [45]. Các phương pháp này chủ yếu mang tính học thuật còn thực tế ít dùng do cũng không có ưu điểm gì nổi trội và một phần cũng do người sử dụng thích các phương pháp đơn giản và truyền thống.