CapsNet

CapsNet (Mạng Capsule) là một mạng thần kinh nhân tạo được đề xuất vào năm 2017 như một giải pháp thay thế cho Mạng thần kinh chuyển đổi (CNN). Đặc điểm chính của CapsNets là chúng sử dụng một mạng lưới gồm các lớp “viên nang” tương tự như các nơ-ron trong mạng nơ-ron. Những viên nang này bao gồm sự kết hợp tuyến tính của các nơ-ron, hay còn gọi là “vectơ”, mã hóa các thuộc tính của một đối tượng trong một hình ảnh. Bằng cách yêu cầu số lượng tham số thấp hơn CNN truyền thống, CapsNets hoạt động hiệu quả hơn và có thể đạt được kết quả cạnh tranh với ít tham số hơn.

Cấu trúc cơ bản của CapsNet bao gồm hai phần riêng biệt, lớp mã hóa và lớp giải mã. Đầu tiên mã hóa các thuộc tính của một đối tượng trong một hình ảnh (hướng, màu sắc, v.v.) thành một vectơ. Sau đó, vectơ này được chuyển đến lớp giải mã, nơi thông tin được sử dụng để tái tạo lại hình ảnh từ các thành phần của nó. Quá trình này bắt chước cách bộ não con người xử lý dữ liệu hình ảnh và có thể được sử dụng cho nhiều tác vụ khác nhau như phân đoạn hình ảnh, phát hiện đối tượng và phân loại hình ảnh.

Ngoài việc hiệu quả hơn, CapsNets còn đáng tin cậy hơn trong việc xác định và nhận dạng các đối tượng trong hình ảnh. Vì các vectơ độc lập với vị trí trong ảnh nên chúng có thể được sử dụng để nhận dạng một vật thể ở nhiều vị trí, hướng hoặc tỷ lệ. Điều này làm cho CapsNets mạnh mẽ hơn CNN khi phải đối mặt với nhiều điều kiện môi trường khác nhau.

Bất chấp những lợi thế này, CapsNets vẫn chưa được sử dụng trong công nghiệp do tính phức tạp và nhu cầu nghiên cứu và phát triển thêm. Tuy nhiên, CapsNets được coi là một giải pháp thay thế đầy hứa hẹn cho CNN và được kỳ vọng sẽ đóng vai trò lớn hơn trong lĩnh vực trí tuệ nhân tạo trong vài năm tới.