Saturs
J:
Kā max apvienošana palīdz padarīt AlexNet par lielisku attēlu apstrādes tehnoloģiju?
A:
Inovatīvā konvolucionālajā neironu tīklā AlexNet maksimālā apvienošanas koncepcija tiek ievietota sarežģītā modelī ar vairākiem konvolucionārajiem slāņiem, daļēji, lai palīdzētu ierīkošanā un racionalizētu darbu, ko neironu tīkls veic, strādājot ar attēliem ar ekspertu aicinājumiem. “nelineāra samazinātas atlases stratēģija”.
AlexNet tiek plaši uzskatīts par diezgan lielisku CNN, uzvarot 2012. gada ILSVRC (ImageNet liela mēroga vizuālās atpazīšanas izaicinājums), kas tiek uzskatīts par pavērsiena punktu mašīnmācībai un neironu tīkla progresam (daži to sauc par datorvīzijas “olimpiādi”). ).
Tīkla ietvaros, kurā apmācība tiek sadalīta divos GPU, ir pieci konvolūcijas slāņi, trīs pilnībā savienoti slāņi un daži max apvienošanas līmeņi.
Būtībā max apvienošana ņem neironu kolekcijas iznākumu “pūlu” un piemēro tos nākamā slāņa vērtībām. Vēl viens veids, kā to saprast, ir tāds, ka maksimāla apvienošanas pieeja var konsolidēt un vienkāršot vērtības, lai modeli piemērotu.
Maksimāla apvienošana var palīdzēt aprēķināt slīpumus. Varētu teikt, ka tas “samazina aprēķināšanas slodzi” vai “saraujas pārāk daudz” - samazinot paraugu ņemšanu, maksimālā apvienošana iesaista tā saukto “dimensijas samazināšanu”.
Izmēru samazināšana nodarbojas ar pārāk sarežģīta modeļa izveidi, kuru ir grūti vadīt caur neironu tīklu. Iedomājieties sarežģītu formu ar daudzām mazām robainām kontūrām un katru šīs līnijas sīkumu, ko attēlo datu punkts. Ar izmēru samazināšanu inženieri palīdz mašīnmācīšanās programmai “attālināt” vai atlasīt mazāk datu punktu, lai padarītu modeli kopumā vienkāršāku. Tāpēc, aplūkojot maksimālo apvienošanas slāni un tā izvadi, dažreiz var redzēt vienkāršāku pikselēšanu, kas atbilst dimensiju samazināšanas stratēģijai.
AlexNet izmanto arī funkciju, ko sauc par rektificētām lineārajām vienībām (ReLU), un max apvienošana var papildināt šo paņēmienu attēlu apstrādē caur CNN.
Eksperti un projektā iesaistītie ir piegādājuši bagātīgus vizuālos modeļus, vienādojumus un citu informāciju, lai parādītu AlexNet īpašo uzbūvi, taču vispārīgā nozīmē jūs varat domāt par maksimālo apvienošanu kā vairāku mākslīgo neironu izlaides apvienošanu vai konsolidāciju. Šī stratēģija ir daļa no vispārējās CNN struktūras, kas ir kļuvusi par sinonīmu visprogresīvākajām mašīnas redzēm un attēlu klasifikācijai.