P:
Kako maksimalno udruživanje pomaže AlexNetu postati izvrsna tehnologija za obradu slika?
A:U AlexNet-u, inovativnoj konvolucijskoj neuronskoj mreži, koncept max udruživanja umetnut je u složen model s višestrukim konvolucijskim slojevima, dijelom kako bi se pomoglo pri uklapanju i pojednostavio rad koji neuronska mreža radi u radu sa slikama s onim što stručnjaci nazivaju "nelinearna strategija padanja uzoraka."
AlexNet slovi kao prilično sjajan CNN, pobijedio je u 2012. godini ILSVRC (ImageNet Large-Scale Visual Recognition Challenge), što se smatra preokretnim događajem za strojno učenje i napredak neuronske mreže (neki ga nazivaju „Olimpijada“ računalnog vida) ).
U okviru mreže, gdje se obuka dijeli na dva GPU-a, postoji pet slojnih slojeva, tri potpuno povezana sloja i nekoliko implementacija max spajanja.
U osnovi, maksimalno udruživanje uzima "skup" izlaza iz kolekcije neurona i primjenjuje ih na vrijednosti sljedećeg sloja. Drugi način da to shvatite jest da pristup maksimalnog združivanja može objediniti i pojednostaviti vrijednosti radi prikladnijeg uklapanja modela.
Maksimalno udruživanje može vam pomoći u izračunavanju gradijenata. Moglo bi se reći da "smanjuje računski teret" ili "smanjuje prekomjerno opremanje" - padom uzorkovanja, maksimalno udruživanje uključuje ono što se naziva "smanjenje dimenzionalnosti".
Smanjenje dimenzija bavi se problemom prekompliciranog modela koji je teško provesti kroz neuronsku mrežu. Zamislite složen oblik, s mnogo malih nazubljenih kontura, a svaka sitnica ove linije predstavljena je točkom podataka. Uz smanjenje dimenzija, inženjeri pomažu programu strojnog učenja da "umanji" ili uzorkuje manje podataka, kako bi model u cjelini bio jednostavniji. Zato ako pogledate sloj maksimalnog grupiranja i njegov izlaz, ponekad možete vidjeti jednostavniju piksela koja odgovara strategiji za smanjenje dimenzionalnosti.
AlexNet također koristi funkciju koja se naziva ispravljene linearne jedinice (ReLU), a maks. Udruživanje može biti komplementarno ovoj tehnici u obradi slika putem CNN-a.
Stručnjaci i oni koji su uključeni u projekt dostavili su obilje vizualnih modela, jednadžbi i drugih detalja kako bi pokazali specifičnu gradnju AlexNeta, ali u općenitom smislu, možete razmotriti maksimiranje kao udruživanje ili konsolidaciju izlaza više umjetnih neurona. Ova je strategija dio cjelokupne gradnje CNN-a, koja je postala sinonim za vrhunski strojni vid i klasifikaciju slike.
