Nesne Tanıma Modellerinin Daha İyi Performans Göstermesini Sağlamanın Bir Yolu Bulundu

0
149

Evrişimli sinir ağları olarak da bilinen bilgisayar görüş modelleri, nesneleri neredeyse insanlar kadar doğru bir şekilde tanımak üzere eğitilebiliyor. Ancak bu modellerin önemli bir kusuru bulunuyor: Bir görüntüde yapılan ve bir insan için neredeyse algılanamaz olan çok küçük değişiklikler onları yanıltabiliyor ve bir kediyi bir ağaç olarak sınıflandırmak kadar büyük hatalar yapmalarını sağlayabiliyor. 

Şimdi, MIT, Harvard Üniversitesi ve IBM’den bir ekip, bu modellere beynin görsel işleme sisteminin ilk aşamasını taklit etmek üzere tasarlanan yeni bir katman ekleyerek bu savunmasızlığı daha aza indirgemenin bir yolunu geliştirdiler. Yapılan bu yeni çalışmada, araştırmacılar bu katmanın, modellerin bu tür hatalar yapmaya karşı olan dayanıklılığını büyük ölçüde iyileştirdiğini gösterdiler. 

Evrişimli sinir ağları otonom arabalar, otomatik montaj hatları ve tıbbi teşhis gibi yapay zeka uygulamalarında sıklıkla kullanılıyor. Araştırmacılar geliştirdikleri bu yeni yaklaşımın uygulamaya konulmasının, potansiyel olarak bu sistemleri hataya daha az yatkın ve insan görüşüyle daha uyumlu hale getirebileceğini söylüyorlar.  

Geliştirilen Katman Eklendiğinde Modeller Hatalar Yapmaya Yaklaşık Dört Kat Daha Dirençli Hale Geldi

Nesneleri tanımak beynin görsel sisteminin başlıca işlevlerinden biri. Sadece bir an içinde, görsel bilgiler ventral görsel akımdan beyindeki inferior temporal kortekse doğru akıyor ve burada nesneleri sınıflandırmak için gereken bilgileri içeren nöronlar bulunuyor. Beynin her aşamasında farklı türlerde işlemeler yaptığı ventral akımın ilk alanına V1 adı veriliyor ve beynin en iyi karakterize edilmiş bölgelerinden biri olan V1, basit görsel özelliklere tepki veren nöronları içeriyor. 

Araştırmacılar yaptıkları çalışmada kendi V1 modellerini geliştirmeye karar verdiler ve geliştirdikleri bu V1 katmanını modellere eklediklerinde, modellerin görüntüler üzerinde hatalar yapmaya yaklaşık dört kat daha dirençli hale geldiğini ve aynı zamanda da nesneleri yanlış tanımlamak konusunda daha az savunmasız olduklarını buldular. 

Araştırmacılar şimdi, gelecekteki modelleri daha da sağlam ve dayanıklı yapabilmelerine yardımcı olması için, geliştirdikleri V1 modelinin kilit özelliklerini tanımlamaya çalışıyorlar. Bu aynı zamanda da, araştırmacıların insan beyninin nesneleri nasıl tanıyabildiği konusunda daha fazla bilgi edinmesine fayda sağlayabilir.

Orijinal makale: MIT News

CEVAP VER

Please enter your comment!
Please enter your name here