MMJul, 2019

使用动态路由提取中间特征以开发可扩展胶囊网络

PDF
TL;DR该研究提出了一种改进的胶囊网络模型，通过使用动态路由提取中间特征来提高计算速度和精度，同时使用等变特征胶囊替代类特定胶囊以提高网络泛化能力。
capsule networksdynamic routingequivariant feature capsulescomputational speedaccuracy
发现论文，激发创造
  • 基于加权核密度估计的快速动态路由

    通过优化胶囊网络中的动态路由方法，提高路由效率，以实现与其他领先方法相媲美的性能表现。

    May, 2018

  • 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

  • 研究具有动态路由的胶囊网络在文本分类中的应用

    本研究探讨了使用动态路由的胶囊网络进行文本分类，并提出了三种稳定动态路由过程以减轻噪声胶囊的干扰。对六个文本分类基准进行了一系列实验，结果显示胶囊网络在 4 个数据集上达到了最先进水平，并且在从单标签到多标签文本分类的转移方面比强基准方法有显著的提升。据我们所知，这是第一个对胶囊网络进行文本建模的实证研究。

    Mar, 2018

  • 具有快捷路由的胶囊网络

    该研究引入了一种名为 “快捷路由” 的新型机制，它通过直接激活局部胶囊中的全局胶囊来解决计算效率问题，消除了中间层。同时，还探索了一种基于注意力机制和模糊系数的方法，以提高效率。在 Mnist、smallnorb 和 affNist 数据集上进行的实验证明了与 EM 路由相比，提出的基于模糊和注意力的路由方法能够将计算量分别减少了 1.42 倍和 2.5 倍，突显了它们在胶囊网络中的计算优势。这些发现对于高效准确的层次化模式表示模型的进一步发展具有重要意义。

    Jul, 2023

  • ProtoCaps: 一种快速、非迭代的胶囊神经网络路由方法

    我们在本文中介绍了一种新颖的非迭代路由机制，受可训练原型聚类的启发，旨在减少计算复杂性，提高性能效果，同时使用共享的胶囊子空间降低训练过程中的内存需求。通过在 Imagewoof 数据集上的测试结果表明，我们的方法相较当前最佳的非迭代胶囊网络表现出更好的结果，且能够处理计算上过于复杂的情况，从而进一步增强操作效率与性能，为胶囊网络在日益复杂的计算场景中的应用铺平了道路。

    Jul, 2023

  • 构建深度等变胶囊网络

    本文基于学习两层之间胶囊之间部分整体关系的低效性，并采用将每层的每种胶囊类型的姿态变化流形进行可训练、对称函数进行编码的胶囊网络框架，证明了该模型具有组合表示的等变性和增强的变换鲁棒性

    Aug, 2019

  • 面向具挑战性自然语言处理应用的可扩展可靠胶囊网络

    本文提出了一种改进 capsule 网络在 NLP 中的应用的算法，增加了路由过程的可靠性，改善了网络的可扩展性，并在多标签文本分类和问答任务中验证了其有效性。

    Jun, 2019

  • 具有可训练路由程序的广义胶囊网络

    本文提出了一种名为 G-CapsNet 的改进版 CapsNet 网络结构，将路由过程嵌入到卷积神经网络的优化过程中，使得耦合系数完全可训练，该网络在 MNIST 数据集上取得了类似于原论文中的性能，并测试了堆叠多个胶囊层的可能性。

    Aug, 2018

  • 目标分割胶囊

    本文介绍一种名为 SegCaps 的新型卷积 - 反卷积胶囊网络，扩展了胶囊网络的使用范围到目标分割任务，并表现出与其他基于 U-Net 的体系结构相比精度更高效率更高，同时参数空间减少了 95.4％。

    Apr, 2018

  • 胶囊间的注意路由

    本文提出了 Attention Routing CapsuleNet（AR CapsNet）作为一种新的胶囊网络架构，使用注意力路由和胶囊激活来取代胶囊网络的动态路由和扁平激活函数，对 MNIST、affNIST 和 CIFAR-10 分类任务进行评估，结果显示该模型在准确率上具有明显优势，并具有变换等变性。

    Jul, 2019