tgoop.com/biasvariance_ir/240
Last Update:
نقاط ضعف شبکه های کپسولی - بخش اول
پیش از این در ارتباط با نقاط ضعف شبکه های کانولوشنی صحبت کرده بودیم و برای ضعفهای متفاوت، راه حلی مثل شبکه کپسولی را ارایه کردیم. با این حال، این روش دارای ضعفهایی است و روی این ضعفها مقالات متعددی ارایه شده اند که هر یک سعی کرده اند نقاط ضعف را بهبود ببخشند. حل هر یک از این نقاط ضعف می تواند موضوعی برای پایان نامه باشد.
Background Texture
یکی از شناخته شده ترین ضعفها مربوط به texture موجود در تصاویر است. شبکه های کپسولی می توانند خیلی خوب کار کنند برای viewpoint هایی که ندیده اند ولی لازم است که این شبکه ها بتوانند سایر اجزای تصویر را نیز به نحو مناسب بیان کنند. این دقیقا نقطه ضعف این شبکه ها است. وقتی تصویر شلوغ می شود، عملکرد این شبکه ها کاهش پیدا می کند. اگر مقالاتی که هینتون در سالهای 2017، 2018 و 2019 کار کرده را بررسی کنید، می بینید که روشهای ارایه شده، روی دیتاستی مثل imagenet نیست. بلکه اصلا شبکه ها به صورت کلی روی دادگانی بدون texture امتحان شده اند تا قدرت تعمیم پذیری روی viewpoint های متفاوت بررسی شود. در مقاله 2019 صراحتا می بینید که روش روی cifar شکست می خورد. البته با وجود ذکر این ضعف، مقالات متعددی را می توانید پیدا کنید که سعی کرده اند این مشکل را حل کنند؛ با این حال، این مشکل در شبکه های کپسول وجود دارد.
(ادامه دارد)
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
#نکته_آموزشی #capsule_network #یادگیری_عمیق #آموزش_شبکه_عصبی #مثالهای_کاربردی #شبکه_کانولوشنی #ضعف_شبکه_کپسول
ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
🌳 پشتیبانی | 🌺 کانال | 🌴 سایت
BY Bias Variance
Share with your friend now:
tgoop.com/biasvariance_ir/240