MobileNetV2 Derin Öğrenme Modeli

MobileNetV2, mobil cihazlar ve sınırlı hesaplama kapasitesine sahip sistemler için geliştirilmiş bir evrişimli sinir ağı mimarisidir. Model, düşük işlem maliyeti ile yüksek doğruluk arasında denge kurmayı amaçlayan bir tasarım yaklaşımına dayanır ve depthwise separable convolution, inverted residual yapı ve linear bottleneck bileşenlerini birlikte kullanır. Görüntü sınıflandırma başta olmak üzere nesne tespiti ve anlamsal bölümleme gibi farklı bilgisayarlı görü görevlerinde omurga (backbone) mimarisi olarak kullanılmak üzere tasarlanmıştır.

Geliştirilme Amacı ve Bağlam

Derin evrişimli sinir ağlarında doğruluk artışı çoğunlukla daha fazla parametre ve daha yüksek hesaplama maliyeti ile sağlanmaktadır. Mobil ve gömülü sistemlerde ise bellek kullanımı, enerji tüketimi ve çıkarım süresi gibi kısıtlar belirleyici olmaktadır. MobileNetV2, bu sınırlamalar altında çalışabilecek verimli bir mimari oluşturmak amacıyla geliştirilmiştir. Model, yalnızca işlem sayısını azaltmaya değil, aynı zamanda ara katmanlarda oluşan temsil maliyetini de düşürmeye yönelik bir yaklaşım sunar.

MobileNetV1 ile başlatılan hafif mimari yaklaşımı, standart evrişim yerine depthwise separable convolution kullanımıyla önemli ölçüde hız ve verimlilik kazancı sağlamıştır. MobileNetV2 ise bu yaklaşımı geliştirerek daha yüksek doğruluk elde etmeyi ve bilgi kaybını azaltmayı hedefleyen yeni bir blok yapısı ortaya koymuştur.

MobileNetV1 ile Karşılaştırma

MobileNetV2, MobileNetV1 üzerine inşa edilmiş bir mimaridir ancak yapısal olarak önemli değişiklikler içerir. Depthwise separable convolution yaklaşımı korunurken, mimariye residual bağlantılar eklenmiş ve bu bağlantılar klasik yapılardan farklı biçimde dar temsiller arasında kurulmuştur. Ayrıca dar katmanlarda doğrusal aktivasyon kullanılması ve ara katmanlarda genişletilmiş temsil oluşturulması, modelin bilgi akışını yeniden düzenleyen temel değişikliklerdir. Bu düzenleme, modelin hem hesaplama açısından verimli kalmasını hem de temsil gücünü korumasını hedefler.

Mimarinin Temel Bileşenleri

MobileNetV2’nin mimarisi üç temel bileşen üzerine kuruludur: depthwise separable convolution, inverted residual yapı ve linear bottleneck yaklaşımı.Depthwise separable convolution, standart evrişim işlemini iki aşamaya ayırarak hesaplama maliyetini düşürür. İlk aşamada her kanal için ayrı uzamsal filtreleme yapılır, ikinci aşamada ise 1×1 evrişim ile kanallar arası bilgi birleştirilir. Bu ayrım, özellikle kanal sayısının yüksek olduğu durumlarda standart evrişime kıyasla önemli ölçüde daha az işlem gerektirir.

MobileNetV2 mimari yapısı(Yapay zeka ile üretilmiştir)

Inverted residual yapı, MobileNetV2’nin ayırt edici özelliklerinden biridir. Bu yapıda giriş, düşük boyutlu bir temsilden başlar ve önce genişletilerek daha yüksek boyutlu bir ara uzaya taşınır. Uzamsal filtreleme bu genişletilmiş uzayda gerçekleştirilir ve ardından doğrusal projeksiyon ile tekrar dar bir temsile dönülür. Residual bağlantı, bu dar giriş ve dar çıkış arasında kurulur. Bu yaklaşım, klasik residual yapılardan farklı olarak hesaplama maliyetini düşük tutarken derin temsil öğrenimini mümkün kılar.

Linear bottleneck yaklaşımı ise dar katmanlarda doğrusal aktivasyon kullanılması ilkesine dayanır. Düşük boyutlu temsillerde doğrusal olmayan dönüşümlerin bilgi kaybına yol açabileceği varsayımına bağlı olarak, doğrusal olmayanlık yalnızca genişletilmiş ara katmanlarda uygulanır. Bu sayede bilgi akışının korunması hedeflenir.

Blok Yapısı ve Ağ Düzeni

MobileNetV2’nin temel yapı taşı, genişletme, depthwise dönüşüm ve doğrusal projeksiyon aşamalarından oluşan üç katmanlı bir bloktur. Bu bloklar ağ boyunca belirli kanal seviyeleri ve tekrar sayıları ile düzenlenir. Mimaride 16, 24, 32, 64, 96, 160 ve 320 kanal seviyeleri bulunur ve bazı bloklar birden fazla kez tekrarlanır. Stride değerleri kullanılarak belirli katmanlarda aşağı örnekleme gerçekleştirilir.

Ağın son bölümünde 1×1 evrişim ile yüksek boyutlu bir temsil elde edilir, ardından global average pooling uygulanarak uzamsal boyut kaldırılır ve son katmanda sınıflandırma işlemi gerçekleştirilir. Bu düzen, ağın hem derinleşmesini hem de kontrollü biçimde çözünürlük azaltmasını sağlar.

Uçtan Uca Çalışma Akışı

Modelin veri akışı giriş görüntüsünün ilk evrişim katmanından geçirilmesiyle başlar. Ardından görüntü, ardışık inverted residual blokları boyunca işlenir ve bu süreçte belirli katmanlarda çözünürlük stride kullanılarak azaltılır. Ara katmanlarda özellik haritaları genişletilerek daha karmaşık temsiller elde edilir. Son katmanlarda yüksek boyutlu bir özellik temsili oluşturulur ve global average pooling ile bu temsil tek boyutlu bir vektöre dönüştürülür. Nihai aşamada sınıflandırma katmanı ile çıktı üretilir. Bu süreç, düşük hesaplama maliyeti ile derin özellik çıkarımını mümkün kılar.

Eğitim Süreci ve Veri Setleri

MobileNetV2, büyük ölçekli görüntü veri setleri üzerinde eğitilmiştir ve bu veri setleri arasında ImageNet yaygın olarak kullanılmaktadır. Eğitim sürecinde sınıflandırma problemleri için çapraz entropi kayıp fonksiyonu tercih edilir. Model eğitimi, veri artırma teknikleri, öğrenme oranı planlaması ve düzenlileştirme yöntemlerini içeren standart derin öğrenme prosedürlerine dayanır.

Hesaplama Maliyeti ve Performans Metrikleri

MobileNetV2’nin temel varyantı yaklaşık 3.4 milyon parametre ve 300 milyon multiply-add işlem içerir. Multiply-adds (MAdds), modelin gerçekleştirdiği çarpma ve toplama işlemlerinin toplamını ifade eder ve hesaplama maliyetinin bir göstergesi olarak kullanılır.

Model performansı genellikle top-1 ve top-5 doğruluk metrikleri ile değerlendirilir. Top-1 doğruluk, modelin en yüksek olasılıklı tahmininin doğru olma oranını ifade ederken, top-5 doğruluk doğru etiketin en yüksek olasılıklı beş tahmin arasında yer alma oranını gösterir. Bu metrikler, modelin sınıflandırma performansını ölçmek için yaygın olarak kullanılmaktadır.

Nesne Tespiti ve Anlamsal Bölümleme

MobileNetV2, farklı bilgisayarlı görü görevlerine uyarlanabilir bir omurga mimarisi olarak kullanılmaktadır. Nesne tespiti için SSDLite yapısı ile birlikte kullanıldığında, klasik SSD mimarisindeki tahmin katmanları daha hafif olan depthwise separable convolution ile değiştirilir ve böylece hesaplama maliyeti azaltılır.

Anlamsal bölümleme görevlerinde ise MobileNetV2, Mobile DeepLabv3 yapısında özellik çıkarıcı olarak görev yapar. Bu kullanımda model, yüksek çözünürlüklü özellik haritaları üretmek üzere genişletilmiş katman yapıları ile birlikte çalışır.

Yapay sinir ağlarının katmanlı yapısını ve derin öğrenme sistemlerinde verilerin işlenerek öğrenme sürecinin gerçekleşmesini temsil eden görsel(Yapay zeka ile oluşturulmuştur)

Sonraki Çalışmalar ve Mimari Tartışmalar

MobileNetV2, mobil derin öğrenme mimarileri arasında önemli bir referans noktası hâline gelmiştir. Sonraki çalışmalar, bu modelde kullanılan inverted residual ve linear bottleneck yapılarını temel alarak yeni mimari düzenlemeler önermiştir. Bununla birlikte bazı çalışmalarda bu yapıların bilgi kaybı ve gradyan akışı açısından sınırlılıklar taşıyabileceği tartışılmıştır. Bu bağlamda alternatif blok yapıları geliştirilmiş ve mevcut tasarımın farklı yönleri yeniden ele alınmıştır.

Kullanım Alanları

MobileNetV2, görüntü sınıflandırma, nesne tespiti ve anlamsal bölümleme gibi temel bilgisayarlı görü görevlerinde kullanılmaktadır. Model, özellikle mobil cihazlar, gömülü sistemler ve gerçek zamanlı uygulamalar için uygun olacak şekilde tasarlanmıştır.