Resumen

Este documento está dedicado a una red neuronal convolucional liviana basada en el mecanismo de atención llamada la red de atención diminuta (TANet). El TANet consta de tres partes principales denominadas módulo de reducción, operación de autoatención y convolución de grupo. El módulo de reducción alivia la pérdida de información causada por la operación de agrupamiento. La nueva operación de autoatención sin parámetros hace que el modelo se enfoque en aprender partes importantes de las imágenes. La convolución de grupo logra la compresión del modelo y la fusión de múltiples ramas. Utilizando las partes principales, la red propuesta permite una clasificación eficiente de plancton en dispositivos móviles. El rendimiento de la red propuesta se evalúa en el conjunto de datos de plancton recopilado por el Centro de Ciencias Marinas Hatfield de la Universidad Estatal de Oregón. Los resultados muestran que TANet supera a otros modelos profundos en velocidad (31.8ms por imagen), tamaño (648kB, el tamaño del espacio en disco duro ocupado por el modelo) y precisión (Top-1 76.5%, Top-5 96.3%).

• Materias:Comunicación inalámbrica Blockchain Comunicaciones vehiculares Enrutamiento Redes centradas
• Subjects:Wireless communication Blockchain Vehicular communications Routing Focused networks
• Palabras claves:Mecanismo de atención; TANet; Módulo de reducción; Operación de autoatención; Convolución de grupos; Clasificación del plancton
• Keywords:Attention mechanism; TANet; Reduction module; Self-attention operation; Group convolution; Plankton classification