Q:
Como o pool máximo ajuda a tornar o AlexNet uma ótima tecnologia para processamento de imagens?
UMA:Na AlexNet, uma rede neural convolucional inovadora, o conceito de pool máximo é inserido em um modelo complexo com várias camadas convolucionais, em parte para ajudar a ajustar e otimizar o trabalho que a rede neural faz ao trabalhar com imagens com o que os especialistas chamam uma "estratégia de downsampling não linear".
A AlexNet é amplamente considerada uma ótima CNN, tendo vencido o ILSVRC (Desafio de reconhecimento visual em grande escala ImageNet 2012), que é visto como um evento divisor de águas para o aprendizado de máquina e o progresso da rede neural (alguns chamam de "Olimpíadas" da visão computacional) )
Na estrutura da rede, onde o treinamento é dividido em duas GPUs, existem cinco camadas convolucionais, três camadas totalmente conectadas e alguma implementação máxima de pool.
Essencialmente, o pool máximo utiliza o "pool" de saídas de uma coleção de neurônios e os aplica aos valores de uma camada subsequente. Outra maneira de entender isso é que uma abordagem de pool máximo pode consolidar e simplificar valores com o objetivo de ajustar o modelo de maneira mais apropriada.
O pool máximo pode ajudar a calcular gradientes. Pode-se dizer que "reduz a carga computacional" ou "diminui o ajuste excessivo" - por meio de downsampling, o pool máximo envolve o que é chamado de "redução de dimensionalidade".
A redução de dimensionalidade lida com a questão de ter um modelo super complicado que é difícil de executar através de uma rede neural. Imagine uma forma complexa, com muitos pequenos contornos irregulares e cada pedacinho dessa linha representada por um ponto de dados. Com a redução da dimensionalidade, os engenheiros estão ajudando o programa de aprendizado de máquina a "diminuir o zoom" ou obter menos amostras de pontos de dados, para tornar o modelo como um todo mais simples. É por isso que, se você observar uma camada máxima de pool e sua saída, às vezes poderá ver uma pixelização mais simples, correspondente a uma estratégia de redução de dimensionalidade.
O AlexNet também usa uma função chamada unidades lineares retificadas (ReLU), e o pool máximo pode ser complementar a essa técnica no processamento de imagens pela CNN.
Os especialistas e os envolvidos no projeto forneceram abundantes modelos visuais, equações e outros detalhes para mostrar a construção específica do AlexNet, mas, em um sentido geral, você pode pensar no pool máximo como coalescendo ou consolidando a saída de vários neurônios artificiais. Essa estratégia faz parte da construção geral da CNN, que se tornou sinônimo de visão de máquina de ponta e classificação de imagem.
