Avaliação de redes neurais convolucionais para reconhecimento visual

Redes neurais convolucionais oferecem um método eficiente para restringir a complexidade das redes neurais feedforward por meio de compartilhamento de pesos e restrição a conexões locais. Essa topologia de rede tem sido aplicada, em particular, à classificação de imagens quando o pré-processamento sofisticado deve ser evitado e imagens brutas devem ser classificadas diretamente. Neste artigo, duas variações de redes convolucionais — neocognitron e uma modificação do neocognitron — são comparadas com classificadores baseados em camadas totalmente conectadas feedforward (ou seja, perceptron multicamada, classificador de vizinho mais próximo, rede de auto-codificação) em relação ao seu desempenho de reconhecimento visual. Além do neocognitron original, uma modificação do neocognitron é proposta, que combina neurônios de perceptron com a estrutura de rede localizada do neocognitron. Em vez de treinar redes convolucionais por meio de retropropagação de erro demorada, neste trabalho é aplicado um procedimento modular onde as camadas são treinadas sequencialmente desde a camada de entrada até a camada de saída para reconhecer características de complexidade crescente. Para uma comparação experimental quantitativa com classificadores padrão, duas tarefas de reconhecimento muito diferentes foram escolhidas: reconhecimento de dígitos manuscritos e reconhecimento facial. No primeiro exemplo sobre reconhecimento de dígitos manuscritos, a generalização de redes convolucionais é comparada a redes totalmente conectadas. Em vários experimentos, a influência de variações de posição, tamanho e orientação dos dígitos é determinada e a relação entre o tamanho da amostra de treinamento e o erro de validação é observada. No segundo exemplo, o reconhecimento de rostos humanos é investigado sob condições restritas e variáveis em relação à orientação do rosto e iluminação, e as limitações das redes convolucionais são discutidas.