CNN Görüntü Sınıflandırma
- Ortaya koyan
- He, K. et al. (ResNet); Tan, M. & Le, Q.V. (EfficientNet)
- Yıl
- 2016
- Tür
- Deep convolutional neural network (supervised)
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
CNN görüntü sınıflandırma, görüntüleri kategorilere ayırmak için ResNet (He ve ark., 2016), VGG ve EfficientNet (Tan & Le, 2019) gibi derin evrişimli mimarileri kullanır.
Yığılmış evrişimli katmanlar, piksellerden doğrudan görsel özelliklerin bir hiyerarşisini öğrenir ve atlama (artık) bağlantıları çok derin ağlarda kaybolan gradyan sorununu önler.
Yöntemin mantığı
Özellikleri el ile tasarlamak yerine, bir evrişimli ağ, kenarları ve dokuları erken katmanlarda tespit eden ve bunları daha derin katmanlarda şekil ve nesnelere birleştiren küçük öğrenilebilir filtreleri görüntü üzerinde kaydırır. Ağlar çok derinleştikçe eğitim sinyali zayıflayabilir; artık bağlantılar, her bloğun yalnızca girdisine göre değişimi öğrenmesini sağlayan bir kestirme yol ekler, böylece gradyanlar temiz akar ve derinlik zarar vermek yerine yardımcı olmaya devam eder.
Tarih
Derin evrişimli ağlar, 2010'larda bilgisayarlı görü alanını yeniden şekillendirdi. He ve ark. (2016), CVPR'da artık bağlantılara sahip ResNet'i tanıttı, bu da yüzlerce katman derinliğindeki ağların eğitilmesini pratik hale getirdi ve düz çok derin yığınlarda görülen bozulmayı aştı. VGG, küçük evrişimlerin düzgün yığınlarını popülerleştirdi ve Tan & Le (2019), yüksek doğruluğa çok daha az parametreyle ulaşmak için ağ derinliğini, genişliğini ve girdi çözünürlüğünü birlikte ölçeklendiren EfficientNet'i önerdi. Genellikle önceden eğitilmiş olarak kullanılan bu omurgalar, görüntü sınıflandırması için standart referanslar olmaya devam ediyor.
Ne zaman kullanılır?
Etiketlenmiş en az yaklaşık 500 örneğe sahip görüntü verilerinden kategori sınıflandırması veya tahmini için kullanın ve ideal olarak bir GPU'ya sahip olun. Normal dağılımlı verileri varsaymaz, ancak artırım uygulanmalıdır. Yaklaşık 500 görüntünün altında derin bir CNN aşırı uyuma eğilimindedir, bu nedenle transfer öğrenme veya daha basit bir model tercih edilir; yaklaşık 100 görüntünün altında filtreler anlamlı özellikler çıkaramaz ve SVM gibi klasik bir sınıflandırıcı daha güvenli bir seçenektir.
Sınırlar ve dikkat edilmesi gerekenler
- Veri açlığı çeker: yaklaşık 500 etiketli görüntüye ihtiyaç duyar ve daha küçük kümelerde kötü bir şekilde aşırı uyar.
- Pratik eğitim süreleri için etkili bir şekilde bir GPU gereklidir.
- Kararlarının sınırlı yorumlanabilirliğine sahip kara kutu bir model.
- Çok az görüntüyle (yaklaşık 100'ün altında) filtreler anlamlı özellikler öğrenemez.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- El ile tasarlanmış özelliklere olan ihtiyacı ortadan kaldırarak görsel özellikleri doğrudan piksellerden öğrenir.
- Artık bağlantılar, çok derin ağların kaybolan gradyanlar olmadan eğitilmesini sağlar.
- Birçok alanda görüntü sınıflandırmada en son teknoloji doğruluğu.
- Önceden eğitilmiş omurgalar (ResNet, VGG, EfficientNet), mütevazı veri kümelerinde transfer öğrenmeyi mümkün kılar.
- Varsayım hafif: girdi verilerinde normallik gereksinimi yoktur.
Uygulama alanları
- Doğal, tıbbi ve uzaktan algılama alanlarında görüntüleri kategorilere ayırma.
- Transfer öğrenme: önceden eğitilmiş bir omurgayı yeni bir görüntü görevi için ince ayar yapma.
- Mühendislik ortamlarında kalite kontrol ve görsel denetim.
- Girdinin tablo özelliklerinden ziyade görüntü verisi olduğu tahmin görevleri.
Nasıl çalışır?
Nasıl çalışır?
Her evrişimli katman, kenarlar, köşeler ve dokular gibi yerel desenleri vurgulayan özellik haritaları üreterek görüntünün tamamına küçük, öğrenilebilir filtreler uygular. Bu tür birçok katmanın istiflenmesi, elle tasarlanmak yerine doğrudan piksellerden öğrenilen giderek daha soyut bir görsel özellik hiyerarşisi oluşturur.
Çok derin yığınlar kaybolan gradyanlardan muzdariptir. ResNet'in merkezinde yer alan artık (atlama) bağlantıları, bir bloğun girdisini çıktısına geri ekler, böylece her blok yalnızca artık değişimi öğrenmek zorunda kalır. Bu kestirme yol, düzinelerce veya yüzlerce katman boyunca gradyanların akmasını sağlar, bu da bu ağların büyük derinliklere kadar eğitilmesine olanak tanır. VGG gibi aileler düzgün yığılmış evrişimleri tercih ederken, EfficientNet verimlilik için derinliği, genişliği ve çözünürlüğü birlikte ölçeklendirir.
Formül
y = \mathcal{F}(x, \{W_i\}) + xSon özellik haritaları havuzlanır ve her kategori için bir olasılık çıktısı veren bir sınıflandırma başına iletilir. Pratikte, büyük bir veri kümesinde önceden eğitilmiş bir model, bu başlık hedef sınıflar için değiştirilerek ince ayarlanır ve aşırı uyumu azaltmak için veri artırımı uygulanır.
Sık yapılan hatalar
- Transfer öğrenme kullanmak yerine küçük bir veri kümesinde derin bir CNN eğitmek.
- Veri artırımını atlamak ve eğitim görüntülerine aşırı uyum sağlamak.
- Görüntü kategorileri arasındaki sınıf dengesizliğini göz ardı etmek.
- Dengesiz verilerde sınıf başına metrikler olmadan yalnızca doğruluğu raporlamak.
- Klasik bir modelin daha iyi olacağı birkaç düzine görüntü üzerinde derin öğrenmeyi denemek.
Sık sorulan sorular
Ne kadar görüntüye ihtiyacım var?
Yaklaşık 500 etiketli görüntü pratik bir minimumdur ve daha fazlası daha iyidir. Yaklaşık 500'ün altında derin bir CNN aşırı uyar, bu nedenle önceden eğitilmiş bir omurgadan transfer öğrenme veya daha basit bir model tercih edilir; yaklaşık 100 görüntünün altında filtreler anlamlı özellikler öğrenemez.
GPU'ya ihtiyacım var mı?
Bir GPU şiddetle tavsiye edilir. Derin evrişimli ağları eğitmek hesaplama açısından yoğundur ve yalnızca CPU'da eğitim süreleri gerçekçi veri kümeleri için pratik olmaktan çıkar.
Hangi mimariyi seçmeliyim — ResNet, VGG veya EfficientNet?
ResNet'in artık bağlantıları çok derin ağların eğitilmesini sağlar ve sağlam bir varsayılan değerdir. VGG basit düzgün evrişim yığınları kullanırken, EfficientNet daha az parametreyle yüksek doğruluğa ulaşmak için derinliği, genişliği ve çözünürlüğü birlikte ölçeklendirir. Bunlardan herhangi birinin önceden eğitilmiş bir sürümüyle başlamak genellikle en güvenilir yoldur.
Veri artırımı neden önemlidir?
Artırım — çevirmeler, kırpmalar, döndürmeler ve benzeri dönüşümler — etkili eğitim kümesini genişletir ve ağı daha fazla değişime maruz bırakarak aşırı uyumu azaltır. Sınırlı görüntü verisiyle genelleme için en önemli adımlardan biridir.
İlgili yöntemler
Kaynaklar
He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR.
DOI kaynağını açKopyalandı.Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946.
Yayın kaynağını açKopyalandı.