Projetando Automaticamente Arquiteturas de CNN Usando Algoritmos Genéticos para Classificação de Imagens

As redes neurais convolucionais (CNNs) têm obtido um sucesso notável em muitas tarefas de classificação de imagens nos últimos anos. No entanto, o desempenho das CNNs depende fortemente de suas arquiteturas. Para a maioria das CNNs de última geração, suas arquiteturas são frequentemente projetadas manualmente com expertise tanto em CNNs quanto nos problemas investigados. Portanto, é difícil para usuários que não têm uma grande experiência em CNNs projetar arquiteturas de CNN ótimas para seus próprios problemas de classificação de imagens de interesse. Neste artigo, propomos um método de design automático de arquitetura de CNN usando algoritmos genéticos, para abordar efetivamente as tarefas de classificação de imagens. O maior mérito do algoritmo proposto reside em sua característica "automática", que permite que os usuários não precisem de conhecimento do domínio das CNNs ao usar o algoritmo proposto, enquanto ainda podem obter uma arquitetura de CNN promissora para as imagens fornecidas. O algoritmo proposto é validado em conjuntos de dados de classificação de imagens amplamente utilizados, em comparação com os melhores concorrentes de última geração abrangendo oito CNNs projetadas manualmente, sete automáticas + ajuste manual e cinco algoritmos de design automático de arquitetura de CNN. Os resultados experimentais indicam que o algoritmo proposto supera os existentes em termos de precisão de classificação, número de parâmetros e recursos computacionais consumidos. O algoritmo proposto também mostra uma precisão de classificação muito comparável ao melhor dos CNNs projetados manualmente e automáticos + ajuste manual, enquanto consome menos recursos computacionais.