Görsel arama görevine dayalı bir ağ budama algoritması

Bazı az sayıda sınıfları tanımak için eğitilmiş olsalarda, yapay sinir ağları nesne tanıma ve sınıflandırma gibi günümüzün karmaşık problemleri sebebiyle çok büyük boyutlara sahiptirler. Gelecekte `Strong` yapay zekaya ulaştığımızda modeller çok fazla sınıfa ve büyük boyutlara sahip olacaklar. Modelleri hızlandırmak amacıyla modellerin sınıf sayısını ve boyutlarını azaltmak çok kullanışlı olurdu. Literatürde bir çok çalışma var fakat bu çalışmalar sadece boyut azaltmaya odaklanmıştır. Yakın zamanda Hedef Odaklı (Goal Driven) budama tekniği sunulmuştur. Boyut azaltmanın yanında bu teknik sınıf sayısını da azaltır. Yani literatürdeki diğer çalışmaların tersine gizli katmanlarda budamanın yanında çıkış katmanında da budama yapar ve budamadan sonra ince ayar uygulamaz. Bu sayede hedef odaklı ve küçük boyutlu bir model ortaya çıkmış olur. Bu yöntem, insan görme sistemindeki yukardan aşağıya (top-down) dikkat mekanizmasından ilhamla ortaya çıkmıştır. Bu dikkat mekanızması, ortamdaki çeldiricilerin özelliklerine hassasiyetin azaltılması mantığına dayanır. Bu amaçla Goal Driven budama, ilgi duyulmayan sınıfları budar ve aynı zamanda ara katmanları hedef sınıfa göre budar. Bu çalışmada biz, Hedef Odaklı Budama mantığını derinlemesine araştırıp, uygulanabilirliğini inceledikten sonra nihayetinde önceki çalışmanın aksine modeli bir bütün olarak değerlendiren Bütünsel Hedef Odaklı Budama (Global Goal Driven Pruning) yöntemini sunuyoruz. Ayrıca bu çalışmada, modelden daha iyi doğruluk performansı almak amacıyla önceki çalışmanın zayıf yönlerini de geliştirmeye çalıştık. Sunduğumuz bu yöntemi değerlendirmek amacıyla önceki yöntemle karşılaştırdık. Bunun için önceki çalışmadaki aynı üç model üzerinde yöntemimizi test ettik. Sonuçlar, yöntemimizin modellerin boyutunu ve flop değerinin azalttığını aynı zamanda önceki çalışmadan daha iyi değerler ürettiğini göstermektedir. Ayrıca, görsel arama görevlerine dayalı ağ optimizasyonları ile ilgili gelecekteki araştırma olasılıklarını da belirtiyoruz.