Rede Neural Convolucional (Classificação)
- Proposto por
- LeCun, Y. et al.
- Ano
- 1998
- Tipo
- Deep neural network (convolutional)
Este texto é uma tradução automática e ainda não foi revisado. Ler o original em inglês
O que ele faz?
Uma Rede Neural Convolucional (CNN) é um modelo de aprendizado profundo, estabelecido por LeCun e colegas em 1998, que aprende padrões locais diretamente de imagens e dados estruturados para classificá-los.
Pilhas de filtros convolucionais descobrem características cada vez mais abstratas, de modo que a engenharia manual de características pode ser amplamente reduzida.
A intuição por trás do método
Em vez de criar características manualmente, uma CNN desliza pequenos filtros aprendíveis sobre a entrada para detectar padrões locais como bordas, texturas ou motivos, independentemente de onde apareçam. Camadas iniciais captam sinais simples; camadas mais profundas combinam-nos em conceitos de nível superior. Como o mesmo filtro é reutilizado em toda a entrada, a rede aprende eficientemente e reconhece um padrão onde quer que ele ocorra.
História
Redes neurais convolucionais foram reunidas em sua forma moderna por Yann LeCun e colegas em seu trabalho de 1998 sobre aprendizado baseado em gradiente aplicado ao reconhecimento de documentos, onde a arquitetura LeNet lia dígitos manuscritos. A combinação de convolução, pooling e treinamento de gradiente de ponta a ponta tornou-se o modelo para classificação de imagens e, com conjuntos de dados maiores e hardware mais rápido, impulsionou a revolução do aprendizado profundo na visão computacional.
Quando usar
Use uma CNN para classificar ou prever a partir de imagens e dados estruturados semelhantes a grades quando você tiver um grande conjunto de dados rotulados — aproximadamente 1000 ou mais observações — e quiser que o modelo aprenda características automaticamente em vez de criá-las manualmente. Não requer dados normalmente distribuídos e lida com entradas contínuas e categóricas. Abaixo de cerca de 500 observações, a rede sofre overfitting e uma Floresta Aleatória é mais segura; abaixo de cerca de 200, os filtros convolucionais não conseguem aprender padrões significativos e SVM é preferível.
Limitações e considerações
- Precisa de um grande conjunto de dados rotulados (cerca de 1000+ observações) para treinar de forma confiável.
- Em amostras pequenas (n abaixo de cerca de 500), a rede sofre overfitting e o desempenho da classificação cai.
- Abaixo de aproximadamente 200 observações, os filtros convolucionais não conseguem aprender padrões significativos de forma alguma.
- Computacionalmente exigente para treinar, e a representação aprendida é difícil de interpretar.
As condições da fonte não substituem a revisão científica independente nem a validação por um motor de análise.
Pontos fortes
- Aprende padrões locais automaticamente, reduzindo drasticamente a necessidade de engenharia manual de características.
- O compartilhamento de pesos reconhece um padrão onde quer que ele apareça e mantém a contagem de parâmetros gerenciável.
- Constrói uma hierarquia de características, de bordas simples a conceitos abstratos, bem adequada para imagens.
- Poucas suposições: sem requisito de normalidade e aceita entradas contínuas e categóricas.
- Precisão de ponta em tarefas de classificação de imagens e dados estruturados em grade, com grandes conjuntos de dados rotulados.
Aplicações
- Tarefas de classificação e reconhecimento de imagens.
- Classificação de dados estruturados semelhantes a grades onde padrões locais são importantes.
- Reconhecimento de documentos e caracteres manuscritos.
- Aprendizado de características onde a engenharia manual de características é impraticável.
Como funciona
Como funciona
Filtros aprendíveis (kernels) são convoluídos sobre a entrada, computando somas ponderadas locais para produzir mapas de características. Cada filtro responde a um padrão local específico — uma borda, uma textura, um fragmento de forma — e como os mesmos pesos são compartilhados em todas as posições, a rede detecta esse padrão em qualquer lugar da entrada, mantendo a contagem de parâmetros baixa.
Fórmula
(I * K)(i,j) = \sum_{m}\sum_{n} I(i+m, j+n)\, K(m,n)Camadas de pooling (por exemplo, max pooling) subamostram cada mapa de características, resumindo vizinhanças em um único valor. Isso encolhe as dimensões espaciais, torna a representação mais robusta a pequenas mudanças e distorções, e permite que camadas posteriores construam características progressivamente mais abstratas sobre um campo receptivo mais amplo.
Os mapas de características de alto nível são achatados e passados por camadas totalmente conectadas, terminando em um softmax que produz probabilidades de classe. Toda a rede — filtros e pesos juntos — é treinada de ponta a ponta por aprendizado baseado em gradiente, minimizando a perda de classificação via retropropagação.
Fórmula
\hat{y} = \operatorname{softmax}(W h + b)Erros comuns
- Treinar com dados insuficientes e sofrer overfitting em vez de recorrer a Floresta Aleatória ou SVM.
- Pular uma divisão de validação ou teste reservada e confiar na precisão do treinamento.
- Ignorar o desequilíbrio de classes em vez de reponderar ou reamostrar as classes.
- Relatar apenas precisão sem precisão, recall, F1 ou uma matriz de confusão.
- Esquecer de normalizar as entradas ou aplicar regularização contra overfitting.
Perguntas frequentes
Quanta informação uma CNN precisa?
CNNs são famintas por dados; um piso aproximado é de cerca de 1000 observações rotuladas. Abaixo de cerca de 500, elas tendem a sofrer overfitting, e abaixo de cerca de 200, os filtros não conseguem aprender padrões significativos — nesses casos, Floresta Aleatória ou SVM são escolhas mais seguras.
Por que convolução em vez de uma rede neural simples?
A convolução compartilha o mesmo filtro pequeno em todas as posições da entrada, de modo que um padrão é detectado onde quer que apareça e a contagem de parâmetros permanece baixa. Uma rede totalmente conectada exigiria muito mais pesos e não exploraria a estrutura espacial dos dados.
O que o pooling faz?
O pooling subamostra mapas de características resumindo vizinhanças locais, o que reduz o tamanho espacial, adiciona robustez a pequenas mudanças e permite que camadas mais profundas construam características mais abstratas sobre um campo receptivo mais amplo.
O que devo verificar antes de confiar em uma CNN?
Confirme se você tem um conjunto de dados rotulados grande o suficiente, normalize as entradas, configure uma divisão adequada de treinamento/validação/teste, aborde qualquer desequilíbrio de classe e avalie com precisão, recall, F1 e uma matriz de confusão em vez de apenas precisão.
Métodos relacionados
Fontes
LeCun, Y., Bottou, L., Bengio, Y. & Haffner, P. (1998). Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE, 86(11), 2278–2324.
Abrir referência DOICopiado.