PDR-CapsNet：一种高能效的胶囊网络动态路由并行方法

Oct, 2023

PDR-CapsNet：一种高能效的胶囊网络动态路由并行方法

PDR-CapsNet: an Energy-Efficient Parallel Approach to Dynamic Routing in Capsule Networks

Samaneh Javadinia, Amirali Baniasadi

TL;DR通过并行动态路由 CapsNet（PDR-CapsNet）提出了一种比 CapsNet 更深，更节能，性能更好，能够更高效利用硬件资源的替代方法，通过减少参数，降低计算复杂度以及增加吞吐量，从而实现了对 CIFAR-10 数据集的 3 倍更快推理时间和 7.29J 更少的能量消耗。

Abstract

convolutional neural networks (CNNs) have produced state-of-the-art results for image classification tasks. However, they are limited in their ability to handle rotational and viewpoint variations due to informat

convolutional neural networks capsule networks parallel dynamic routing capsnet image classification tasks computational complexity

发现论文，激发创造

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

深度 Capsule 网络

DeepCaps 是一个使用三维卷积动态路由算法的深度胶囊网络架构，通过引入识别物理属性的类独立编码器网络，使用重构损失作为正则化项，实现在 CIFAR10，SVHN 和 Fashion MNIST 上胶囊网络领域最先进的结果，并减少 68％的参数。

Apr, 2019

密集多样胶囊网络：让胶囊学习更好

该研究提出了两种改进型的 Capsule Networks，即 Dense Capsule Networks 和 Diverse Capsule Networks，以解决 CNNs 内在局限性，分别在标准数据集 MNIST，SVHN 和 CIFAR-10 上实验结果表明两种改进架构具有更好的性能和更少的训练迭代次数和参数数量。

May, 2018

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

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

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

CardioCaps：基于注意力的胶囊网络用于类别不平衡的心脏超声图分类

通过使用动态路由神经胶囊网络（DR-CapsNets）和注意力机制，本论文提出了一种名为 CardioCaps 的新型 DR-CapsNet 架构，用于不平衡分类的超声心动图分类，该模型在面对类别不均衡的情况下具有较高的鲁棒性，同时胜过传统的机器学习方法和其他深度学习方法。

Mar, 2024

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

使用动态路由提取中间特征以开发可扩展胶囊网络

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。

Jul, 2019

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