تمام متصل به تمام پیچشی: پلی به گذشته

در یک دهه ی گذشته شبکه های پیچشی متعددی برای قطعه بندی معنایی تصاویر ابداع شده اند که عملکرد بسیار خوبی در تشخیص و برچسب زنی اشیاء از خود نشان داده اند. عمده ی این شبکه ها متضمن معماری های با اندازه ی بزرگ هستند که توانایی آشکارسازی ده ها یا صدها دسته ی از قبل مشخص را داشته باشند. در بیشتر کاربردها از معماری هایی استفاده می شود که پس از چند لایه ی پیچشی از یک طبقه بند معمول برای طبقه بندی ویژگی های استخراج شده ی شبکه استفاده می شود.  در این نوشتار روش تبدیل یک شبکه که به عنوان طبقه بند، دو لایه ی مسطح و چگال (تمام متصل) دارد، به یک شبکه تمام پیچشی بیان شده است. مزیت اصلی این شیوه، قابلیت کارکرد بر روی ورودی های با اندازه متغیر و تولید یک نقشه خروجی به جای یک عدد می باشد که همان مزیت شبکه های تمام پیچشی است. در مدل های جدید حوزه ی یادگیری عمیق عموما از تصاویر آموزشی که در آنها نواحی موردنظر با ماسک مشخص شده اند استفاده می شود، اما در شیوه ی پیشنهادی در این نوشتار فقط تصاویر برچسب دار (مشخص کننده طبقه ی کل تصویر) به شبکه داده می شود. جزییات روش کار در قالب مسئله ی جدید طبقه بندی  و شناسایی تابلوهای با رسم الخطهای شکسته نستعلیق و ثلث، شناسایی برگ سالم از مریض سیب (به عنوان مسائل دو کلاسه) و مسئله ی شناسایی ارقام فارسی بیان شده است. به این منظور ابتدا یک شبکه پیچشی با لایه آخر تمام متصل طراحی و بر روی تصاویر مربعی آموزش داده می شود. سپس مدل تمام پیچشی جدیدی بر اساس مدل قبلی تعریف شده و وزنهای مدل قبلی به مدل جدید کپی می شود. تنها تفاوت دو مدل در لایه آخر است، اما مدل جدید قابلیت کار بر روی تصاویر ورودی با هر اندازه را خواهد داشت. نتایج آزمایشات کارایی این شیوه را نشان داده است  (کد برنامه در https://github.com/mamintoosi/FC۲FC ).

کلیدواژه ها:

یادگیری عمیق ، شبکه های عصبی پیچشی ، طبقه بندی تصویر ، شناسایی اشیاء ، پرسپترون چند لایه