شبكات الاقتران العصبي العميقة جداً للاعتراف بالصور على نطاق واسع

في هذا البحث، ندرس تأثير عمق الشبكة التلافيفية على دقتها في إعداد التعرف على الصور على نطاق واسع. المساهمة الرئيسية لدينا هي تقييم شامل للشبكات ذات العمق المتزايد باستخدام هندسة معمارية تحتوي على مرشحات تلافيفية صغيرة جدًا (3×3)، والتي تظهر أن يمكن تحقيق تحسن كبير على التكوينات السابقة من خلال زيادة العمق إلى 16-19 طبقة وزن. هذه النتائج كانت أساس مشاركتنا في تحدي ImageNet لعام 2014، حيث حصل فريقنا على المركز الأول والثاني في المسارات الخاصة بالتوضع والتصنيف على التوالي. كما نوضح أن تمثيلاتنا تنطبق بشكل جيد على مجموعات بيانات أخرى، حيث تحقق نتائجًا رائدة في مجالها. لقد جعلنا نموذجي ConvNet الأفضل أداءً متاحين للجمهور لتسهيل المزيد من الأبحاث حول استخدام التمثيلات البصرية العميقة في رؤية الحاسوب.