Capsule Networks (CapsNet)

Capsule Networks, genellikle CapsNets olarak kısaltılır; geleneksel sinir ağlarındaki belirli sınırlamaların üstesinden gelmek için tasarlanmış, derin öğrenme alanında gelişmiş bir mimariyi temsil eder. Geoffrey Hinton ve ekibi tarafından tanıtılan CapsNets, insan beyne ait biyolojik sinirsel organizasyonunu standart modellerden daha yakından taklit etmeye çalışır. Özellikleri tespit etmede mükemmel olan ancak alt örnekleme nedeniyle uzamsal ilişkileri genellikle kaybeden tipik bir convolutional neural network (CNN)'in aksine, Capsule Network nöronları "kapsül" adı verilen gruplar halinde düzenler. Bu kapsüller yalnızca bir nesnenin varlığının olasılığını değil, aynı zamanda yönelim, boyut ve doku gibi özel özelliklerini de kodlayarak görsel veriler içindeki hiyerarşik uzamsal ilişkileri etkili bir şekilde korur.

Geleneksel CNN'lerin Sınırlaması#

CapsNets yeniliğini anlamak için standart bilgisayarlı görü modellerinin nasıl çalıştığına bakmak faydalıdır. Geleneksel bir CNN, hesaplama yükünü azaltmak ve çevirisel değişmezlik elde etmek için feature extraction katmanlarını ve ardından havuzlama katmanlarını—özellikle max pooling—kullanır. Bu, bir CNN'in görüntünün neresinde yer aldığına bakılmaksızın bir "kedi"yi tanımlayabileceği anlamına gelir.

Ancak bu süreç genellikle kesin konum verilerini atarak "Picasso sorunu"na yol açar: Bir CNN, tüm gerekli özellikler mevcut olduğu için, ağız alın bölgesinde olsa bile bir yüzü doğru şekilde sınıflandırabilir. CapsNets, havuzlama katmanlarını kaldırıp bunların yerine nesnelerin spatial hierarchies yapısına saygı duyan bir süreç koyarak bunu ele alır.

Kapsül Ağları Nasıl Çalışır?#

Bu mimarinin çekirdek yapı taşı, skaler değer yerine vektör çıktısı veren iç içe geçmiş bir nöron kümesi olan kapsüldür. vector mathematics içinde, bir vektör hem büyüklüğe hem de yönü sahiptir. Bir CapsNet içinde:

• Büyüklük (Uzunluk): Mevcut girişte belirli bir varlığın mevcut olma olasılığını temsil eder.
• Yön (Yönelim): Nesnenin pose estimation, ölçeği ve rotasyonu gibi örnekleme parametrelerini kodlar.

Alt katmanlardaki kapsüller (kenarlar gibi basit şekilleri tespit eden), daha üst katmanlardaki kapsüllerin (gözler veya lastikler gibi karmaşık nesneleri tespit eden) çıktısını tahmin eder. Bu iletişim "dinamik yönlendirme" veya "uzlaşma yoluyla yönlendirme" adı verilen bir algoritma tarafından yönetilir. Alt düzey bir kapsülün tahmini üst düzey kapsülün durumuyla uyuşuyorsa, aralarındaki bağlantı güçlendirilir. Bu, ağın, nesnelerin rotasyon ve ölçeğini öğretmek için genellikle gereken devasa data augmentation ihtiyacı olmaksızın nesneleri farklı 3B bakış açılarından tanınmasını sağlar.

Temel Farklar: CapsNet'ler ve CNN'ler#

Her iki mimari de computer vision (CV) için temel olsa da, görsel verileri nasıl işledikleri ve temsil ettikleri konusunda farklılık gösterirler:

• Skaler ve Vektör: CNN nöronları, özellik varlığını belirtmek için skaler çıktıları kullanır. CapsNet'ler, varlığı (uzunluk) ve poz parametrelerini (yönelim) kodlamak için vektörleri kullanır.
• Yönlendirme ve Havuzlama: CNN'ler verileri alt örneklemek için havuzlama kullanır ve genellikle konum detaylarını kaybeder. CapsNets ise uzamsal verileri korumak için dinamik yönlendirme kullanır, bu da onları kesin object tracking gerektiren görevler için son derece etkili hale getirir.
• Veri Verimliliği: Kapsüller 3B bakış açılarını ve affine transformations örtük olarak anladığından, nesnenin olası her rotasyonunu öğrenmek için çok sayıda örnek gerektirebilen CNN'lere kıyasla genellikle daha az training data ile genelleme yapabilirler.

Gerçek Dünya Uygulamaları#

CapsNets, YOLO26 gibi optimize edilmiş modellere kıyasla genellikle daha maliyetli hesaplama gerektirse de, özel alanlarda belirgin avantajlar sunar:

1. Tıbbi Görüntü Analizi: Sağlık alanında, bir anomalinin kesin yönelimi ve şekli çok önemlidir. Araştırmacılar, modelin standart CNN'lerin düzeltebileceği ince uzamsal hiyerarşilere dayanarak bir tümörü çevreleyen dokudan ayırt etmesi gereken brain tumor segmentation alanına CapsNets uygulamıştır. Capsule Networks in Medical Imaging üzerindeki ilgili araştırmaları keşfedebilirsiniz.

2. Örtüşen Rakam Tanıma: CapsNets, özellikle rakamların üst üste bindiği senaryolarda MNIST dataset üzerinde son teknoloji sonuçlar elde etmiştir. Ağ her rakamın "pozunu" takip ettiği için, iki örtüşen sayıyı (örn. '5' üzerindeki bir '3') tek bir karışık özellik haritası halinde birleştirmek yerine ayrı nesneler olarak ayırt edebilir.

Pratik Bağlam ve Uygulama#

Kapsül Ağları öncelikle bir sınıflandırma mimarisidir. Teorik dayanıklılık sunsalar da, modern endüstriyel uygulamalar genellikle gerçek zamanlı performans için yüksek hızlı CNN'leri veya Transformer'ları tercih eder. Ancak, MNIST gibi CapsNet'ler için kullanılan sınıflandırma ölçütlerini anlamak faydalıdır.

The following example demonstrates how to train a modern YOLO classification model on the MNIST dataset using the ultralytics package. This parallels the primary benchmark task used to validate Capsule Networks.

from ultralytics import YOLO

# Load a YOLO26 classification model (optimized for speed and accuracy)
model = YOLO("yolo26n-cls.pt")

# Train the model on the MNIST dataset
# This dataset helps evaluate how well a model learns handwritten digit features
results = model.train(data="mnist", epochs=5, imgsz=32)

# Run inference on a sample image
# The model predicts the digit class (0-9)
predict = model("https://docs.ultralytics.com/datasets/classify/mnist/")

Kapsüllerin ve Görüntüleme AI'nın Geleceği#

Capsule Networks'ün arkasındaki ilkeler AI safety ve yorumlanabilirlik araştırma alanını etkilemeye devam etmektedir. Parça-bütün ilişkilerini açık bir şekilde modelleyerek kapsüller, derin sinir ağlarının "kara kutu" doğasına "şeffaf kutu" bir alternatif sunar ve kararları daha açıklanabilir hale getirir. Gelecekteki gelişmeler, 3D object detection ve robotikte performansı artırmak için kapsüllerin uzamsal dayanıklılığını YOLO11 veya daha yeni YOLO26 gibi mimarilerin çıkarım hızıyla birleştirmeyi amaçlamaktadır. Araştırmacılar ayrıca uzlaşma algoritmasının hesaplama maliyetini daha da azaltmak için Matrix Capsules with EM Routing yöntemini araştırmaktadır.

Veri setlerini yönetmek ve modelleri verimli bir şekilde eğitmek isteyen geliştiriciler için Ultralytics Platform, verileri etiketlemek, bulutta eğitmek ve CNN'lerin hızını karmaşık görü görevleri için gereken doğrulukla dengeleyen modelleri devreye almak için birleşik bir ortam sağlar.