Як аб'яднанне дапамагае паменшыць памернасць карт аб'ектаў?

/ / Апублікавана ў Intelligence artificielle , EITC/AI/DLPTFK Глыбокае навучанне з Python, TensorFlow і Keras, Згортвыя нейронныя сеткі (CNN), Увядзенне ў згорткавыя нейронныя сеткі (CNN), Экзаменацыйны агляд

Аб'яднанне - гэта метад, які звычайна выкарыстоўваецца ў сверточных нейронавых сетках (CNN) для памяншэння памернасці карт функцый. Ён гуляе важную ролю ў вылучэнні важных функцый з уваходных даных і павышэнні эфектыўнасці сеткі. У гэтым тлумачэнні мы разгледзім дэталі таго, як аб'яднанне дапамагае паменшыць памернасць карт функцый у кантэксце штучнага інтэлекту, у прыватнасці глыбокага навучання з дапамогай Python, TensorFlow і Keras.

Каб зразумець канцэпцыю аб'яднання, давайце спачатку абмяркуем ролю згортачных слаёў у CNN. Згорткавыя пласты прымяняюць фільтры да ўваходных даных, што прыводзіць да вылучэння розных функцый. Гэтыя функцыі, таксама вядомыя як карты функцый або карты актывацыі, прадстаўляюць розныя шаблоны, прысутныя ва ўваходных дадзеных. Аднак гэтыя карты аб'ектаў могуць мець вялікі памер і змяшчаць велізарную колькасць інфармацыі, якая не можа быць актуальнай для наступных узроўняў сеткі. Тут у гульню ўступае аб'яднанне.

Аб'яднанне - гэта метад, які памяншае памернасць карт аб'ектаў шляхам іх паніжэння выбаркі. Гэта дасягаецца шляхам падзелу карты ўваходных функцый на набор неперакрываючыхся рэгіёнаў, якія называюцца абласцямі аб'яднання або вокнамі аб'яднання. Найбольш часта выкарыстоўваная аперацыя аб'яднання - гэта максімальнае аб'яднанне, дзе максімальнае значэнне ў кожнай вобласці аб'яднання выбіраецца ў якасці рэпрэзентатыўнага значэння для гэтай вобласці. Іншыя аперацыі аб'яднання, такія як аб'яднанне сярэдніх значэнняў, існуюць, але выкарыстоўваюцца радзей.

Працэс аб'яднання дапамагае паменшыць памернасць карт аб'ектаў некалькімі спосабамі. Па-першае, гэта памяншае прасторавы памер карт аб'ектаў, што прыводзіць да меншага прадстаўлення ўваходных даных. Такое памяншэнне памеру з'яўляецца карысным, бо дапамагае паменшыць вылічальную складанасць сеткі, што робіць яе больш эфектыўнай для навучання і ацэнкі. Акрамя таго, аб'яднанне дапамагае ў вылучэнні найбольш прыкметных функцый з уваходных даных, захоўваючы максімальныя значэнні ў кожнай вобласці аб'яднання. Выбіраючы максімальнае значэнне, аперацыя аб'яднання забяспечвае захаванне найбольш важных функцый, адкідаючы менш рэлевантную інфармацыю.

Акрамя таго, аб'яднанне дапамагае ў дасягненні інварыянтнасці перакладу, жаданай уласцівасці ў многіх задачах камп'ютэрнага зроку. Інварыянтнасць перакладу адносіцца да здольнасці мадэлі распазнаваць шаблоны незалежна ад іх становішча ва ўваходных дадзеных. Аб'яднанне дапамагае дасягнуць гэтага шляхам памяншэння выбаркі карт функцый, што робіць іх менш адчувальнымі да невялікіх перакладаў або зрухаў ва ўваходных дадзеных. Напрыклад, калі пэўная функцыя прысутнічае ў пэўнай вобласці ўваходнага відарыса, максімальнае аб'яднанне выбярэ максімальнае значэнне ў гэтай вобласці, незалежна ад яе дакладнага месцазнаходжання. Гэта ўласцівасць дазваляе мадэлі сканцэнтравацца на наяўнасці функцый, а не на іх дакладным становішчы, што робіць яе больш устойлівай да варыяцый ўваходных даных.

Каб праілюстраваць уплыў аб'яднання на памяншэнне памернасці карт аб'ектаў, разгледзім прыклад. Дапусцім, у нас ёсць уваходнае малюнак памерам 32x32x3 (шырыня, вышыня і колькасць каналаў). Пасля нанясення згортачных слаёў мы атрымаем карту аб'ектаў памерам 28x28x64. Прымяніўшы максімальнае аб'яднанне з акном аб'яднання памерам 2×2 і крокам 2, выніковая карта аб'ектаў будзе мець памер 14x14x64. Як мы бачым, прасторавыя памеры памяншаюцца ўдвая пры захаванні той жа колькасці каналаў.

Аб'яднанне з'яўляецца важным метадам у CNN, які дапамагае паменшыць памернасць карт аб'ектаў. Гэта дасягаецца шляхам памяншэння дыскрэтызацыі карт функцый, што прыводзіць да меншага прадстаўлення ўваходных даных. Аб'яднанне дапамагае ў вылучэнні прыкметных функцый, павышэнні эфектыўнасці вылічэнняў і дасягненні інварыянтнасці трансляцыі. Выбіраючы максімальнае значэнне ў кожным рэгіёне аб'яднання, найбольш значныя функцыі захоўваюцца, адкідаючы менш рэлевантную інфармацыю.

Іншыя апошнія пытанні і адказы адносна Згортвыя нейронныя сеткі (CNN):

Яшчэ пытанні і адказы:

тэгі: , , , , ,