Q:
¿Cómo ayuda la agrupación máxima a que AlexNet sea una gran tecnología para el procesamiento de imágenes?
UN:En AlexNet, una red neuronal convolucional innovadora, el concepto de agrupación máxima se inserta en un modelo complejo con múltiples capas convolucionales, en parte para ayudar con la adaptación y agilizar el trabajo que hace la red neuronal al trabajar con imágenes con lo que los expertos llaman una "estrategia de muestreo descendente no lineal".
AlexNet es ampliamente considerado como una gran CNN, después de haber ganado el ILSVRC 2012 (ImageNet Scale Large-Scale Visual Recognition Challenge), que se considera un evento decisivo para el aprendizaje automático y el progreso de la red neuronal (algunos lo llaman las "Olimpiadas" de la visión por computadora )
En el marco de la red, donde la capacitación se divide en dos GPU, hay cinco capas convolucionales, tres capas completamente conectadas y alguna implementación de agrupación máxima.
Esencialmente, la agrupación máxima toma el "conjunto" de salidas de una colección de neuronas y las aplica a los valores de una capa posterior. Otra forma de entender esto es que un enfoque de agrupación máxima puede consolidar y simplificar los valores en aras de ajustar el modelo de manera más adecuada.
La agrupación máxima puede ayudar a calcular gradientes. Se podría decir que "reduce la carga de cómputo" o "reduce el sobreajuste" - a través de la disminución de muestreo, la agrupación máxima involucra lo que se llama "reducción de dimensionalidad".
La reducción de la dimensionalidad aborda el problema de tener un modelo demasiado complicado que es difícil de ejecutar a través de una red neuronal. Imagine una forma compleja, con muchos contornos irregulares pequeños, y cada poquito de esta línea representada por un punto de datos. Con la reducción de la dimensionalidad, los ingenieros están ayudando al programa de aprendizaje automático a "alejarse" o muestrear menos puntos de datos, para simplificar el modelo en su conjunto. Es por eso que si observa una capa de agrupación máxima y su salida, a veces puede ver una pixelación más simple que corresponde a una estrategia de reducción de dimensionalidad.
AlexNet también utiliza una función llamada unidades lineales rectificadas (ReLU), y la agrupación máxima puede ser complementaria a esta técnica en el procesamiento de imágenes a través de la CNN.
Los expertos y los involucrados en el proyecto han entregado abundantes modelos visuales, ecuaciones y otros detalles para mostrar la construcción específica de AlexNet, pero en un sentido general, puede pensar en la agrupación máxima como unificación o consolidación de la producción de múltiples neuronas artificiales. Esta estrategia es parte de la construcción general de la CNN, que se ha convertido en sinónimo de visión artificial de vanguardia y clasificación de imágenes.
