Il prossimoProssima guida
Reti autostradali e collegamenti saltati
Tecnico
GUIDA TECNICA
Le reti di capsule sono un'architettura neurale che raggruppa i neuroni in "capsule" che emettono vettori che codificano sia se una caratteristica esiste sia la sua posa (posizione, orientamento, scala).
Ascolta questa guidaNarrato dall'IA · ~2 min
They aim to fix a core blindness in standard convolutional networks: losing track of spatial relationships between parts.
Proposte da Geoffrey Hinton, Sara Sabour e Nicholas Frosst nel 2017, le reti di capsule sostituiscono l'output di un neurone scalare con un vettore. La lunghezza del vettore rappresenta la probabilità che un'entità (come un occhio o un naso) sia presente, mentre il suo orientamento codifica i parametri di posa. Le capsule di livello inferiore prevedono la posa delle capsule di livello superiore attraverso matrici di trasformazione e un processo chiamato routing dinamico per accordo decide di quali previsioni fidarsi. Quando più capsule parziali concordano sullo stesso insieme, il routing rafforza quella connessione. L'originale CapsNet ha ottenuto ottimi risultati su MNIST ed è stato particolarmente resistente alla sovrapposizione di cifre e trasformazioni affini, affrontando il "problema Picasso" in cui le CNN accettano i tratti del viso confusi come un volto valido.
Classificare le cifre scritte a mano su MNIST durante la ricostruzione dell'input dai vettori della capsula, mostrando i parametri di posa è significativo.
Separare due cifre sovrapposte (l'attività MultiMNIST) segmentando quali pixel appartengono a quale entità.
Ricerca di imaging medico che utilizza capsule per rilevare noduli polmonari o tumori cerebrali in cui sono importanti le relazioni spaziali tra parte e tutto.
Riconoscere oggetti da nuovi punti di vista con meno esempi di formazione, sfruttando l'equivarianza dei punti di vista incorporata nell'architettura.
Le reti a capsula rimangono più una direzione di ricerca che uno standard implementato, in gran parte perché il routing dinamico è costoso dal punto di vista computazionale e si adatta scarsamente a immagini di grandi dimensioni come ImageNet. Il lavoro successivo ha esplorato il routing EM (Matrix Capsule) e il routing basato sull'attenzione personale per migliorare l'efficienza. Man mano che cresce l'interesse per l'equivarianza, l'efficienza del campione e le gerarchie interpretabili parte-intero, le idee sulle capsule continuano a influenzare la ricerca, inclusa la successiva proposta GLOM di Hinton, anche se i Transformers dominano la visione tradizionale.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Le reti di capsule sono un'architettura neurale che raggruppa i neuroni in "capsule" che emettono vettori che codificano sia se una caratteristica esiste sia la sua posa (posizione, orientamento, scala). Mirano a correggere una cecità fondamentale nelle reti convoluzionali standard: perdere traccia delle relazioni spaziali tra le parti.
La lunghezza del vettore (magnitudine) codifica la probabilità che l'entità esista, mentre il suo orientamento codifica parametri di posa come posizione e rotazione.
Le CNN con il pooling massimo scartano relazioni spaziali precise, quindi un volto con caratteristiche fuori posto può comunque ottenere un punteggio elevato. Questo è il "problema Picasso" che le capsule cercano di risolvere.
Il routing dinamico per accordo rafforza in modo iterativo le connessioni tra capsule le cui previsioni concordano con la produzione di una capsula più elevata.
L'articolo del 2017 "Dynamic Routing Between Capsules" è stato scritto da Sara Sabour, Nicholas Frosst e Geoffrey Hinton.
La non linearità della zucca restringe i vettori corti verso zero e limita i vettori lunghi vicino alla lunghezza uno, quindi la magnitudo può essere letta come una probabilità mentre l'orientamento (posa) viene preservato.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Reti autostradali e collegamenti saltati
Tecnico