HitNet：一个嵌入 Hit-or-Miss 层的胶囊神经网络，加上混合数据增强和幽灵胶囊

Jun, 2018

HitNet：一个嵌入 Hit-or-Miss 层的胶囊神经网络，加上混合数据增强和幽灵胶囊

HitNet: a neural network with capsules embedded in a Hit-or-Miss layer, extended with hybrid data augmentation and ghost capsules

PDF

Adrien Deliège, Anthony Cioppa, Marc Van Droogenbroeck

TL;DR本文介绍了如何通过使用 Hit-or-Miss 层，针对分类任务中的神经网络进行简化，并使用特定的向心损失函数针对性训练胶囊以获得比 CapsNet 更好的性能表现。同时，更进一步拓展了神经网络的功能，通过包括重构网络，实现了用给定类别图像的代表样本合成和混合数据增强等操作。此外，提出了 Ghost Capsule 的概念，用于检测训练数据中潜在存在的误标注图像问题。

Abstract

neural networks designed for the task of classification have become a commodity in recent years. Many works target the development of better networks, which results in a complexification of their architectures wi

neural networks classification hit-or-miss layer capsnet data augmentation

发现论文，激发创造

一种有利于特征解释的有效击中或未击中层，以学习到的原型变形为基础

本文介绍一种名为 HitNet 的神经网络，它使用胶囊网络结构，通过添加一层新型的 Hit-or-Miss 层来合成代表类别的样本，该层包含被激活的向量标称为胶囊。通过针对中心损失函数的定制化以训练胶囊，我们能够组合来自数据空间和特征空间的信息，从而实现混合数据增强过程，HitNet 能够比初始 CapsNet 在多个数据集上都获得更好的性能，并且还能够可视化该网络学习到的特征表示的本质，从而提供对特征表示学习的直接洞察。

Feb, 2019

面向多标签分类的上下文感知胶囊网络

我们提出了一种改进的胶囊网络架构，包括新的路由权重初始化技术、利用条件随机场利用主要胶囊激活之间的语义关系的改进 CapsNet 设计和基于 Cholesky 变换的相关模块，为多标签分类任务提供了更好的可扩展性。

Oct, 2018

基于胶囊网络的层次化物体中心学习

该论文研究了 CapsNets（胶囊网络）的吸引人之处，并聚焦于解锁其全部潜能的三个关键问题：路由算法的有效性、提取更有效的第一层胶囊、以及胶囊网络中的部分关系学习。此外，还展示了 CapsNets 在实际应用中的潜力，包括无人机的自主定位、合成数据集中的四元数旋转预测和生物医学成像中的肺结节分割。该论文的研究结果对于深入理解 CapsNets 并突破复杂的计算机视觉挑战具有重要意义。

May, 2024

深层多原型胶囊网络

该研究论文提出了一种多原型架构，以指导胶囊网络表示图像部分的变化。通过使用多个胶囊（共组胶囊）捕获一个对象的多个原型，胶囊网络在图像分类准确性方面优于其他模型。

Apr, 2024

推动胶囊网络的极限

Google Brain 提出了 Capsule Networks，它们通过使用向量输出来表示实体存在，与标量输出表示特征存在的常规 CNN 不同。我们的研究目的是测试 Capsule Networks 在不同的方法下的表现和表达性，包括测试 MNIST 数据集，探索 Capsule Networks 的内部嵌入空间和误差来源。

Mar, 2021

神经网络封装

本研究提出了一种新型的胶囊网络 EncapNet，采用两路分支的路由过程，同时引入了反馈协定来补偿临近层中信息的快速损失，该方法相较之前迭代和无监督的路由方案具有更快的计算速度和更好的性能表现，表现在 CIFAR10/100、SVHN 和 ImageNet 子集的图像分类问题上。

Aug, 2018

胶囊网络在复杂数据上的性能

本文介绍了卷积神经网络的两个不足之处：不能考虑特征之间的重要空间关系和缺乏旋转不变性。为了解决这个问题，Hinton 等人提出了一种新型神经网络 —— 胶囊网络，该网络采用动态路由和重构正则化技术，具有旋转不变性和空间感知能力。在 MNIST 数据集上进行测试，胶囊网络的测试错误率为 0.25％，优于以前 0.39％的基准。同时，我们还尝试找到最佳配置组合，以在 CIFAR10 数据集上获得最佳测试结果。

Dec, 2017

CapsNet 图像分类的性能比较评估

通过使用四个不同的数据集（包括人脸、交通标志和日常物品图像）来评估 CapsNet 算法与传统分类器的性能。结果表明，CapsNet 是一种有前途的图像分类技术，但其分类准确性低于传统分类器的平均准确度值，且需要大量计算资源。

May, 2018

学习与胶囊：一项调查

介绍了胶囊网络的基本概念和动机，以及它们在图像识别、视频、自然语言处理、医学成像等领域的广泛应用，探讨了胶囊网络研究中的主要障碍和未来研究的方向。

Jun, 2022

高效的胶囊网络：具有自注意力路由的胶囊网络

本文探讨了胶囊网络的效率问题，使用仅拥有 160K 个参数且具有高度并行可处理路由的极端架构，证明了我们提出的架构仍能够在三个不同的数据集上取得最先进的结果，并成功地开发了一种新型的非迭代路由算法。实验证明了我们方法的有效性和胶囊网络嵌入更易于泛化的视觉表示的能力。

Jan, 2021