شبكات المسارات التنافسية العميقة

في تصميم هياكل الشبكات العصبية العميقة، أظهرت الدراسات الحديثة فوائد تجميع الفروع الفرعية في شبكة أكبر. على سبيل المثال، يدمج نموذج Inception الفروع متعددة الأحجام، ويمكن اعتبار الشبكة المتبقية (Residual Network) بأن وحدة بقايا تجمع بين فرع متبقى وطريق مختصر للهوية. في هذا العمل، نحن نأخذ هذه الملاحظة بعين الاعتبار ونقترح شبكة المسارات التنافسية (Competitive Pathway Network - CoPaNet). تتكون الشبكة CoPaNet من تراكم لوحدات المسارات التنافسية، وكل وحدة تحتوي على عدة فروع متوازية من نوع البقايا تتبعها عملية القص الأقصى (Max Operation) للمنافسة على الخصائص. يعزز هذا الآلية قدرة النموذج من خلال تعلم مجموعة متنوعة من الخصائص داخل الفروع. يوضح الاستراتيجية المقترحة بشكل صريح أن الخصائص تنتشر عبر المسارات بنماذج توجيه مختلفة، وهي ما يُشار إليها بترميز المعلومات الفئوية عبر المسارات. بالإضافة إلى ذلك، يمكن إضافة الطريق المختصر بين الكتل (Cross-Block Shortcut) إلى الشبكة CoPaNet لتشجيع إعادة استخدام الخصائص. قدمنا تقييمًا للشبكة المقترحة CoPaNet على أربع معايير للاعتراف بالكائنات: CIFAR-10، CIFAR-100، SVHN، وImageNet. حققت الشبكة CoPaNet أفضل النتائج أو نتائج مشابهة باستخدام كميات مماثلة من المعاملات. يمكن الوصول إلى رمز البرمجيات الخاص بالشبكة CoPaNet عبر الرابط: https://github.com/JiaRenChang/CoPaNet.