Últimos avances en redes de cápsulas orientados a la reducción de carga computacional y uso de memoria: evaluación y aplicaciones

Abstract

Este estudio presenta y evalúa el rendimiento de nuevos modelos alternativos de redes de cápsulas para una tarea de clasificación de imágenes. El objetivo es determinar si estas nuevas variantes presentan una mejora significativa frente a los modelos CapsNet y MatCaps y si ponen solución a las limitaciones que hacen que no sean una opción del todo viable a día de hoy. Limitaciones las cuales son el alto coste computacional y alto consumo de memoria. Las simulaciones han sido llevadas a cabo usando el dataset CIFAR-10 y otro dataset personalizado de bandejas de carne. Los resultados serán comparados en función de la precisión, número de parámetros, uso de memoria y tiempo de ejecución. Se identifican las configuraciones y las combinaciones de algoritmos óptimas para los modelos. Los hallazgos resaltan el potencial de estos nuevos modelos en tareas de clasificación de imágenes y sus mejoras respecto a los modelos base, y brindan información sobre sus limitaciones. Se sugieren futuras direcciones de investigación para abordar estas limitaciones y mejorar el rendimiento de los modelos.