Efecto de la sustitución de la función de pooling en redes neuronales convolucionales

Las redes neuronales convolucionales llevan marcando, en los últimos años, el estado del arte absoluto en tareas de clasificación y segmentación de imagen. Sin embargo, y a pesar de que en este tiempo se han introducido nuevas operaciones y arquitecturas que buscan mejorar su rendimiento, las funciones básicas en base a las que todos estos modelos operan, esto es, la aplicación de fitros de convolución para extraer características y la reducción de imagen en el llamado proceso de “pooling”, han visto pocos intentos de mejora. En este trabajo, se ha buscado sustituir las operaciones clásicas de pooling por funciones más avanzadas, como pueden ser la integral de sugeno o la combinación de funciones crecientes. Además, también se propone la utilización de un proceso de toma de decisión multimodal, capaz de combinar la información aprendida por distintas variantes de estos modelos.