El aprendizaje por transferencia es uno de los diversos métodos de aprendizaje utilizados en el campo del aprendizaje automático para dotar a los algoritmos de las habilidades que necesitan para una tarea específica. Los métodos de aprendizaje más conocidos y extendidos son, sin duda, el Aprendizaje no supervisado y el Aprendizaje supervisado. Este artículo ofrece una visión general de los aspectos más importantes del aprendizaje por transferencia.

El aprendizaje por transferencia es uno de los Métodos de aprendizaje automático y ha sido en el transcurso del Actualización de los análisis de datos de imágenes se ha vuelto cada vez más importante en los últimos años. Cuando se da a una máquina Datos de imagen no ve una imagen, sino los datos que representan píxeles individuales. Que sea un cuadro de Picasso, una fotografía de un semáforo o una imagen generada por ordenador es irrelevante para una máquina.

¿Qué es el aprendizaje por transferencia?

Si primero se considera de forma muy simplificada sólo el principio y el final de un Proceso de aprendizajeen el caso del análisis de imágenes es así: El Los datos de entrada son las imágenes X. En Salida consiste principalmente en dos o más Categorías. Estas categorías se presentan en un Red neuronal artificial con dos nodos en la capa de salida.

Por ejemplo, algunas imágenes pueden Categorizados según ya sea en ellos Gatos o perros deben ser vistos. En el caso de los sistemas de seguridad basados en análisis biométricos, la categoría es si los datos representan o no un rostro concreto. En el caso de Aprendizaje por transferencia En principio, ahora se trata de Procesos de aprendizajeque son necesarios para la solución de estas cuestiones, para acortar. En lugar de empezar de cero cada vez, se puede tomar como punto de partida un modelo preentrenado. Un modelo que ya conoce las estructuras básicas de un rostro puede entrenarse mucho más rápidamente para reconocer un rostro concreto. Gracias al aprendizaje por transferencia, un modelo preentrenado sólo necesita ser entrenado para reconocer determinadas características.

Cómo funciona el aprendizaje por transferencia

Al final de un proceso de aprendizaje, en el caso de Aprendizaje profundo-modela a Capa de salida. Esto prácticamente se interrumpe durante el aprendizaje por transferencia. En primer lugar, hay que decir que un Aprendizaje automáticoAlgoritmo, que ha sido entrenado para reconocer rostros en imágenes, ve las imágenes de forma muy distinta a como lo hacemos los humanos. Para él, las imágenes consisten en puntos de datos individuales que tienen determinados valores. Por ejemplo, cada píxel tiene información sobre el valor en una escala de grises o información sobre un valor de color como verde, azul o amarillo. En el siguiente nivel de observación, pueden hacerse visibles formas y patrones más pequeños, como círculos, líneas u otros patrones geométricos.

Para un modelo entrenado para reconocer caras, es interesante una capa de nodos que proporcione información sobre qué patrones geométricos e información de color componen una cara. En el aprendizaje por transferencia, un modelo se "corta" en este punto, por así decirlo, y se continúa otro proceso de aprendizaje en esta interfaz. En el reconocimiento facial, un algoritmo no tiene que aprender desde cero qué es una cara.

En casos como éste, el aprendizaje por transferencia tiene sentido

Para uno de nuestros clientes del sector de los seguros, el reto era, Casos de dañosque se producen tras las catástrofes naturales, evaluable. En este caso concreto, la tarea consistía en comprobar si los tejados de las casas habían sufrido daños causados por el viento. La tarea -limitada al análisis de los datos de la imagen- consistía en reconocer las casas o las superficies de sus tejados aisladas de su entorno y, posteriormente, distinguir entre tejados intactos y dañados.

Sugerencia de enlace: en este artículo tratamos el Reconocimiento de imágenes.

El aprendizaje por transferencia ofrece la posibilidad de un modelo Reconocimiento de objetos cotidianos (árboles, mesas, vehículos, gatos, flores, etc.) y utilizarlo sobre la base de una número relativamente pequeño de nuevas imágenes de entrenamiento en el reconocimiento de de tejados dañados. Esto es posible porque los tejados o los daños en los tejados consisten esencialmente en bordes, esquinas y contrastes de color, como la mayoría de los objetos cotidianos. Por tanto, un modelo que ya puede reconocer esas formas sólo tiene que aprender qué configuraciones corresponden a las formas respectivas de las casas intactas o dañadas.

Los límites del aprendizaje por transferencia

En determinados casos de uso, el aprendizaje por transferencia tiene un valor incalculable, ya que viene acompañado de un enorme Ahorro de tiempo se asocia a ella. Sin embargo, sigue siendo No es un sustituto directo de la alta calidad Datos.

Por ejemplo, para el ejemplo mencionado, es de crucial importancia si las imágenes con las que se siguió entrenando el modelo se tomaron en un paisaje densamente o escasamente poblado. Porque para reconocer la diferencia entre "tejado de una casa" y "paisaje / naturaleza", el modelo debe ser capaz de reconocer, por ejemplo, un tejado plano, típico de una ciudad. En cambio, en las regiones rurales son característicos los tejados a dos aguas. Si el modelo sólo se siguiera entrenando con imágenes de casas urbanas, la adaptación a las casas rurales fracasaría.

El potencial del aprendizaje por transferencia

Con el aprendizaje por transferencia, el área de Aprendizaje automático proporciona un método que permite a determinados Optimizar los procesos de modelización. Esto puede ahorrar una enorme cantidad de tiempo, por lo que las aplicaciones pueden ejecutarse de forma económica en consecuencia. En particular, el reto de obtener datos de entrenamiento etiquetados durante el entrenamiento puede consumir muchos recursos.

Por supuesto, el aprendizaje por transferencia no sólo puede utilizarse en el ámbito del análisis de imágenes. En particular, también en el ámbito de Análisis lingüístico y Comprensión lingüística El aprendizaje por transferencia es una forma ideal de acortar los procesos de aprendizaje. La razón es sencilla: gracias al aprendizaje por transferencia, no es necesario entrenar los fundamentos generales de la lengua para cada aplicación específica. En este sentido, el aprendizaje por transferencia es representativo de una capacidad que los seres humanos tenemos de todos modos: El Capacidad para transferir los conocimientos adquiridos a otras áreas.