Kapsül Ağları (CapsNet)

Temel Kavramlar

Bir CapsNet'in merkezi unsuru "kapsül "dür. Standart nöronların aksine, her kapsül girdinin bir bölgesindeki belirli bir varlığı tespit eder ve bir vektör çıktısı verir. Vektörün büyüklüğü (uzunluğu) tespit edilen varlığın var olma olasılığını gösterirken, yönelimi de varlığın kesin pozu veya doku detayları gibi örnekleme parametrelerini temsil eder. Bu vektör tabanlı çıktı, diğer birçok derin öğrenme (DL) modelinde tipik olan skaler aktivasyon ile keskin bir tezat oluşturmaktadır.

Alt katmanlardaki kapsüller, dönüşüm matrislerini kullanarak üst katmanlardaki kapsüllerin çıktıları için tahminler üretir. "Anlaşmaya göre yönlendirme" olarak bilinen önemli bir mekanizma, bu katmanlar arasındaki bağlantıları dinamik olarak belirler. Birden fazla alt düzey kapsülden gelen tahminler, daha üst düzey bir özelliğin varlığı ve pozu konusunda hizalanırsa (anlaşırsa), karşılık gelen üst düzey kapsül aktif hale gelir. Bu dinamik yönlendirme süreci, ağın parçaları tanımasını ve bunların bir bütün halinde nasıl bir araya geldiklerini anlamasını sağlayarak mekansal hiyerarşileri etkili bir şekilde korur. Temel fikirler"Kapsüller Arasında Dinamik Yönlendirme" makalesinde ayrıntılı olarak açıklanmıştır. Bu yaklaşım, nesne kompozisyonunun incelikli bir şekilde anlaşılmasını gerektiren görevlerde yardımcı olur ve kapsamlı veri artırımına daha az ihtiyaç duyarak performansı potansiyel olarak artırır.

Evrişimsel Sinir Ağlarından (CNN'ler) Temel Farklılıklar

CapsNets, özellikle uzamsal verilerin işlenmesi ve özelliklerin temsil edilmesinde yaygın olarak kullanılan CNN'lere kıyasla farklı bir paradigma sunar:

• Mekânsal Hiyerarşi İşleme: CNN'ler genellikle özellik varlığını bölgeler üzerinde özetleyen havuzlama katmanları yoluyla uzamsal bilgileri kaybeder. CapsNets, özellikler arasındaki hiyerarşik poz ilişkilerini açıkça koruyacak şekilde tasarlanmıştır, bu da onları nesnelerin yapısını anlamada doğal olarak daha iyi hale getirir.
• Özellik Temsili: CNN'ler tipik olarak bir özelliğin varlığını temsil etmek için skaler aktivasyonlar kullanır. CapsNets, bir özelliğin hem varlığını hem de özelliklerini (poz ve deformasyon gibi) kodlayan vektör çıktılarını (kapsüller) kullanır.
• Bakış Açısı Değişmezliği: CapsNets, temsilin bakış açısı kaymalarıyla tahmin edilebilir şekilde değiştiği anlamına gelen eşdeğerliği hedeflerken, CNN'ler bakış açısı değişmezliğini öğrenmek için genellikle büyük miktarda eğitim verisi gerektirir.
• Yönlendirme Mekanizması: CNN'ler maksimum havuzlama veya diğer statik havuzlama yöntemlerini kullanır. CapsNets, kapsül katmanları arasındaki tahminlerin tutarlılığına dayalı olarak bağlantıları ağırlıklandıran anlaşmaya göre dinamik yönlendirme kullanır.

Kapsül Ağlarının Avantajları

CapsNets, geleneksel sinir ağı mimarilerine göre çeşitli potansiyel avantajlar sunar:

• Geliştirilmiş Bakış Açısı Sağlamlığı: Yapıları, eğitim sırasında bu belirli görünümleri görmelerine gerek kalmadan yeni bakış açılarına daha iyi genelleme yapmalarını sağlar.
• Daha İyi Parça-Bütün İlişkisi Modellemesi: Yönlendirme mekanizması, CapsNets'in karmaşık görüntü tanıma görevleri için çok önemli olan parçaların nesneleri oluşturmak için nasıl birleştiğini anlamasına yardımcı olur.
• Veri Verimliliği: Özellikle mekansal ilişkilere duyarlı görevler için CNN'lere kıyasla daha küçük veri kümeleriyle yüksek doğruluk elde edebilirler.
• Örtüşen Nesnelerin Segmentasyonu: Birden fazla varlığı ve bunların bir bölge içindeki konumlarını temsil etme yeteneği, nesnelerin önemli ölçüde örtüştüğü örnek segmentasyonu gibi görevlerde yardımcı olabilir. Eğitim ve dağıtımı yönetmek Ultralytics HUB gibi platformlar kullanılarak yapılabilir.

Gerçek Dünya Uygulamaları

CapsNets hala öncelikle aktif bir araştırma alanı olmasına ve aşağıdaki gibi yerleşik modellerden daha az yaygın olarak kullanılmasına rağmen Ultralytics YOLO veya YOLO11çeşitli alanlarda umut vaat ettiklerini göstermişlerdir:

1. Karakter Tanıma: CapsNets, el yazısı rakamlardan oluşan MNIST veri kümesinde en iyi sonuçları elde ederek yönelim ve stil değişikliklerini etkili bir şekilde ele alma becerisini göstermiş ve bazı kriterlerde geleneksel görüntü sınıflandırma yaklaşımlarını geride bırakmıştır.
2. Tıbbi Görüntü Analizi: Uzamsal konfigürasyonları anlamadaki güçleri, onları tıbbi taramaları analiz etmek için uygun hale getirir. Örneğin, araştırmalar, anomalilerin kesin şeklini ve yerini belirlemenin kritik olduğu beyin tümörü segmentasyonu gibi görevler için CapsNets'i kullanmayı araştırmıştır. Bu, daha geniş bir alan olan tıbbi görüntü analizi kapsamına girmektedir.

Diğer potansiyel uygulamalar arasında, özellikle dağınık sahneler için nesne algılamayı iyileştirmek, robotikte sahne anlayışını geliştirmek ve otonom araçlar için daha sağlam algılama sistemlerine katkıda bulunmak yer almaktadır. Hesaplama talepleri bir zorluk olmaya devam ederken, devam eden araştırmalar daha geniş makine öğrenimi (ML) uygulamaları ve aşağıdaki gibi çerçevelere potansiyel entegrasyon için CapsNet verimliliğini optimize etmeyi amaçlamaktadır PyTorch veya TensorFlow. CapsNets'in gelecekteki manzarada nereye uyabileceğini anlamak için farklı nesne algılama modelleri arasındaki karşılaştırmaları keşfedebilirsiniz.