شبکه کانولوشنی قابل تنظیم (Deformable Convolutional Network)، در ریاضیات (Mathematics)
انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :
شبکه کانولوشنی قابل تنظیم (Deformable Convolutional Network) :
شبکه کانولوشنی قابل تنظیم (Deformable ConvNet) توسط دای و همکاران در سال ۲۰۱۷ معرفی شد. ایده اصلی: در کانولوشن استاندارد، مکان های نمونه برداری فیلتر (مثلا نقاط ۳×۳) ثابت و از پیش تعیین شده اند. در deformable convolution، به هر نقطه نمونه برداری یک افست (offset) قابل یادگیری اضافه می شود که می تواند به صورت محلی وابسته به ورودی تغییر کند. این افست ها با یک لایه کانولوشن جداگانه از روی feature map ورودی پیش بینی می شوند. بدین ترتیب فیلتر می تواند خود را با اشکال و مقیاس های مختلف اشیاء تطبیق دهد.
فرمول کانولوشن استاندارد برای موقعیت
\[ p_0 \]:
\[ y(p_0) = \sum_{p_n \in \mathcal{R}} w(p_n) \cdot x(p_0 + p_n) \]که
\[ \mathcal{R} \]شبکه نمونه برداری (مثلا {(-1,-1), (-1,0), ...}) است. در deformable convolution:
\[ y(p_0) = \sum_{p_n \in \mathcal{R}} w(p_n) \cdot x(p_0 + p_n + \Delta p_n) \]که
\[ \Delta p_n \]افست های پیش بینی شده برای هر
\[ p_n \]هستند (به صورت مقادیر حقیقی، که با درون یابی دوخطی روی
\[ x \]محاسبه می شوند).
علاوه بر کانولوشن قابل تنظیم، pooling قابل تنظیم (deformable RoI pooling) نیز معرفی شد که برای تشخیص اشیاء و بخش بندی استفاده می شود.
کاربردها: تشخیص اشیاء (به ویژه اشیاء با تغییر شکل زیاد مانند اندام های بدن یا حیوانات)، بخش بندی معنایی، و هر جایی که نیاز به تطبیق پذیری هندسی باشد. Deformable ConvNet در بسیاری از معماری های پیشرفته مانند Faster R-CNN و Mask R-CNN ادغام شده و بهبود قابل توجهی در دقت ایجاد کرده است.
مزایا: افزایش توانایی مدل سازی تغییر شکل ها، بهبود دقت بدون افزایش زیاد پارامترها. معایب: پیچیدگی محاسباتی اضافی (برای پیش بینی افست ها و درون یابی).
