[Olewave's Long Review] Xception: التعلم العميق مع Depthwise Separable Convolutions
أخذ Xception فرضية Inception إلى أقصاها المنطقي بدفع الارتباطات عبر القنوات والمكانية إلى عمليات منفصلة تماماً، والتحويلات Depthwise Separable التي روّجت لها تظهر الآن في كل مكان
أخذ Xception فرضية Inception إلى أقصاها المنطقي بدفع الارتباطات عبر القنوات والمكانية إلى عمليات منفصلة تماماً، والتحويلات Depthwise Separable التي روّجت لها تظهر الآن في كل مكان من أساسيات الرؤية المحمولة إلى محللات الكلام. تستعرض هذه المراجعة الطويلة البنية من البداية إلى النهاية، موضحة لماذا لا يؤدي تحليل الالتفافات بهذه الطريقة إلى كفاءة المعاملات فحسب، بل أيضاً إلى طريقة مختلفة حقاً لنمذجة الارتباطات في البيانات.
تغطي النقاشات تطور Inception-to-Xception والرياضيات والحدس وراء تحويلات Depthwise Separable ومناقشة كفاءة المعاملات والنتائج التجريبية التي وضعت Xception على خرائط ImageNet. بالنسبة لمتخصصي الكلام، تظهر العملية الأساسية نفسها داخل Conformer و Branchformer وأغلب محللات ASR الفعالة المُطلقة اليوم، وفهمها بعمق يُجني أرباحاً تتجاوز تصنيف الصور بكثير. تمر المراجعة الطويلة أيضاً على سبب قبول فرضية Inception القصوى في الواقع التجريبي وأين قد تتوقع فشلها. إذا كنت تريد النسخة الشاملة بدلاً من الملخص السريع، فهذه هي النسخة التي يجب عليك الاستعداد لها عندما يكون لديك الوقت المناسب للتركيز.
