Contenido

Las redes neuronales convolucionales consisten en múltiples capas de filtros convolucionales de una o más dimensiones. Después de cada capa, por lo general se añade una función para realizar un mapeo causal no-lineal.

Como redes de clasificación, al principio se encuentra la fase de extracción de características, compuesta de neuronas convolucionales y de reducción de muestreo. Al final de la red se encuentran neuronas de perceptron sencillas para realizar la clasificación final sobre las características extraídas. La fase de extracción de características se asemeja al proceso estimulante en las células de la corteza visual. Esta fase se compone de capas alternas de neuronas convolucionales y neuronas de reducción de muestreo. Según progresan los datos a lo largo de esta fase, se disminuye su dimensionalidad, siendo las neuronas en capas lejanas mucho menos sensibles a perturbaciones en los datos de entrada, pero al mismo tiempo siendo estas activadas por características cada vez más complejas.

Neurônios convolucionais

Na fase de extração de características, os neurônios individuais de um perceptron são substituídos por processadores de array que realizam uma operação nos dados da imagem 2D que passam por eles, em vez de em um único valor numérico. A saída de cada neurônio convolucional é calculada como:.

Onde a saída de um neurônio é uma matriz que é calculada por meio da combinação linear das saídas dos neurônios da camada anterior, cada um deles operado com o núcleo convolucional correspondente a essa conexão. Essa quantidade é adicionada a uma influência e depois passada por uma função de ativação não linear.

O operador de convolução tem o efeito de filtrar a imagem de entrada com um kernel pré-treinado. Isso transforma os dados de tal forma que certos recursos (determinados pelo formato do kernel) se tornam mais dominantes na imagem de saída, pois possuem um valor numérico mais alto atribuído aos pixels que os representam. Esses kernels possuem habilidades específicas de processamento de imagem, como detecção de bordas que pode ser realizada com kernels que destacam o gradiente em uma direção específica. No entanto, os kernels treinados por uma rede neural convolucional são geralmente mais complexos para extrair outras características mais abstratas e não triviais.

Redução da resolução de neurônios

As redes neurais têm certa tolerância a pequenos distúrbios nos dados de entrada. Por exemplo, se duas imagens quase idênticas (diferenciadas apenas por um deslocamento lateral de alguns pixels) forem analisadas com uma rede neural, o resultado deverá ser essencialmente o mesmo. Isto é obtido, em parte, devido à redução da resolução que ocorre dentro de uma rede neural convolucional. Ao reduzir a resolução, as mesmas características corresponderão a um campo de ativação maior na imagem de entrada.

Originalmente, as redes neurais convolucionais usavam um processo de subamostragem para realizar esta operação. No entanto, estudos recentes mostraram que outras operações, como max-pooling[8]​

, são muito mais eficazes para resumir as características de uma região. Além disso, há evidências de que esse tipo de operação é semelhante à forma como o córtex visual pode resumir informações internamente.

A operação max-pooling encontra o valor máximo em uma janela de amostra e passa esse valor como um resumo dos recursos dessa área. Como resultado, o tamanho dos dados é reduzido por um fator igual ao tamanho da janela de amostra na qual são operados.

Classificação Neurônios

Após uma ou mais fases de extração de características, os dados finalmente chegam à fase de classificação. Até então, os dados foram refinados para uma série de características exclusivas da imagem de entrada, e agora é tarefa desta última fase ser capaz de classificar essas características de acordo com um rótulo ou outro, dependendo dos objetivos do treinamento.

Os neurônios nesta fase funcionam de forma idêntica aos de um perceptron multicamadas, onde a saída de cada um é calculada desta forma:

Onde a saída de um neurônio é um valor que é calculado por meio da combinação linear das saídas dos neurônios da camada anterior, cada uma delas multiplicada por um peso correspondente a essa conexão. Essa quantidade é adicionada a uma influência e depois passada por uma função de ativação não linear.

Dada a natureza das convoluções nas redes neurais convolucionais, elas são adequadas para aprender a classificar todos os tipos de dados onde são distribuídos continuamente por todo o mapa de entrada e, ao mesmo tempo, são estatisticamente semelhantes em qualquer lugar do mapa de entrada. Por esta razão, são especialmente eficazes para classificação de imagens, por exemplo, para auto-rotulagem de imagens.

No entanto, as redes neurais convolucionais também podem ser aplicadas para a classificação de séries temporais ou sinais de áudio utilizando convoluções 1D, bem como para a classificação de dados volumétricos utilizando convoluções 3D.

Contenido

Las redes neuronales convolucionales consisten en múltiples capas de filtros convolucionales de una o más dimensiones. Después de cada capa, por lo general se añade una función para realizar un mapeo causal no-lineal.

Como redes de clasificación, al principio se encuentra la fase de extracción de características, compuesta de neuronas convolucionales y de reducción de muestreo. Al final de la red se encuentran neuronas de perceptron sencillas para realizar la clasificación final sobre las características extraídas. La fase de extracción de características se asemeja al proceso estimulante en las células de la corteza visual. Esta fase se compone de capas alternas de neuronas convolucionales y neuronas de reducción de muestreo. Según progresan los datos a lo largo de esta fase, se disminuye su dimensionalidad, siendo las neuronas en capas lejanas mucho menos sensibles a perturbaciones en los datos de entrada, pero al mismo tiempo siendo estas activadas por características cada vez más complejas.

Neurônios convolucionais

Na fase de extração de características, os neurônios individuais de um perceptron são substituídos por processadores de array que realizam uma operação nos dados da imagem 2D que passam por eles, em vez de em um único valor numérico. A saída de cada neurônio convolucional é calculada como:.

Onde a saída de um neurônio é uma matriz que é calculada por meio da combinação linear das saídas dos neurônios da camada anterior, cada um deles operado com o núcleo convolucional correspondente a essa conexão. Essa quantidade é adicionada a uma influência e depois passada por uma função de ativação não linear.

O operador de convolução tem o efeito de filtrar a imagem de entrada com um kernel pré-treinado. Isso transforma os dados de tal forma que certos recursos (determinados pelo formato do kernel) se tornam mais dominantes na imagem de saída, pois possuem um valor numérico mais alto atribuído aos pixels que os representam. Esses kernels possuem habilidades específicas de processamento de imagem, como detecção de bordas que pode ser realizada com kernels que destacam o gradiente em uma direção específica. No entanto, os kernels treinados por uma rede neural convolucional são geralmente mais complexos para extrair outras características mais abstratas e não triviais.

Redução da resolução de neurônios

As redes neurais têm certa tolerância a pequenos distúrbios nos dados de entrada. Por exemplo, se duas imagens quase idênticas (diferenciadas apenas por um deslocamento lateral de alguns pixels) forem analisadas com uma rede neural, o resultado deverá ser essencialmente o mesmo. Isto é obtido, em parte, devido à redução da resolução que ocorre dentro de uma rede neural convolucional. Ao reduzir a resolução, as mesmas características corresponderão a um campo de ativação maior na imagem de entrada.

Originalmente, as redes neurais convolucionais usavam um processo de subamostragem para realizar esta operação. No entanto, estudos recentes mostraram que outras operações, como max-pooling[8]​

, são muito mais eficazes para resumir as características de uma região. Além disso, há evidências de que esse tipo de operação é semelhante à forma como o córtex visual pode resumir informações internamente.

A operação max-pooling encontra o valor máximo em uma janela de amostra e passa esse valor como um resumo dos recursos dessa área. Como resultado, o tamanho dos dados é reduzido por um fator igual ao tamanho da janela de amostra na qual são operados.

Classificação Neurônios

Após uma ou mais fases de extração de características, os dados finalmente chegam à fase de classificação. Até então, os dados foram refinados para uma série de características exclusivas da imagem de entrada, e agora é tarefa desta última fase ser capaz de classificar essas características de acordo com um rótulo ou outro, dependendo dos objetivos do treinamento.

Os neurônios nesta fase funcionam de forma idêntica aos de um perceptron multicamadas, onde a saída de cada um é calculada desta forma:

Onde a saída de um neurônio é um valor que é calculado por meio da combinação linear das saídas dos neurônios da camada anterior, cada uma delas multiplicada por um peso correspondente a essa conexão. Essa quantidade é adicionada a uma influência e depois passada por uma função de ativação não linear.

Dada a natureza das convoluções nas redes neurais convolucionais, elas são adequadas para aprender a classificar todos os tipos de dados onde são distribuídos continuamente por todo o mapa de entrada e, ao mesmo tempo, são estatisticamente semelhantes em qualquer lugar do mapa de entrada. Por esta razão, são especialmente eficazes para classificação de imagens, por exemplo, para auto-rotulagem de imagens.

No entanto, as redes neurais convolucionais também podem ser aplicadas para a classificação de séries temporais ou sinais de áudio utilizando convoluções 1D, bem como para a classificação de dados volumétricos utilizando convoluções 3D.