GUIDA TECNICA

Reti di capsule

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

In questa pagina2 minuti di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro delle reti di capsule
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

They aim to fix a core blindness in standard convolutional networks: losing track of spatial relationships between parts.

Immersione profonda

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.

Implementazione nel mondo reale

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.

Il futuro delle reti di capsule

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.

Metterlo in pratica

Perché è importante

  • Costo e budget. Le decisioni relative all'architettura determinano prestazioni e costi operativi per anni.
  • Decisioni più chiare. La formazione tecnica aiuta i team a scegliere lo stack giusto, non solo quello più nuovo.
  • Controllo di qualità. Migliori scelte ingegneristiche riducono gli incidenti legati all’affidabilità nella produzione.

Attenzione

  • L'ottimizzazione di un benchmark può nascondere debolezze di sistema più ampie.
  • I costi delle infrastrutture e della manutenzione sono spesso sottostimati.
  • Le lacune in termini di sicurezza e osservabilità possono aumentare man mano che i sistemi diventano più complessi.

Prossimi passi

  1. Definire obiettivi di latenza, qualità e costi prima dell'implementazione.
  2. Benchmark in condizioni di carico e dati realistiche.
  3. Monitoraggio dello strumento per errori, deriva e impatto sull'utente.
  4. Preparare percorsi di rollback e risposta agli incidenti prima della scalabilità.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

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

Take the Capsule Networks quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

What is Capsule Networks?

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.

In una rete di capsule, cosa rappresenta la LUNGHEZZA del vettore di uscita di una capsula?

La lunghezza del vettore (magnitudine) codifica la probabilità che l'entità esista, mentre il suo orientamento codifica parametri di posa come posizione e rotazione.

Per quale problema con le CNN standard sono state progettate specificamente le reti di capsule?

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.

Qual è il nome dell'algoritmo che decide quali capsule di livello inferiore si collegano a quali capsule di livello superiore?

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.

Chi ha introdotto la rete di capsule con routing dinamico nel 2017?

L'articolo del 2017 "Dynamic Routing Between Capsules" è stato scritto da Sara Sabour, Nicholas Frosst e Geoffrey Hinton.

Qual è lo scopo della funzione "squash" in una rete di capsule?

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.