- IJCAICTL-MTNet：一种基于 CapsNet 和迁移学习的混合任务网络，用于单语料库和跨语料库语音情感识别
本文提出了基于胶囊网络和传递学习的混合任务网络 (CTLMTNet) 来同时处理单语料库和跨语料库的语音情感识别任务，其中设计了结合卷积池化和注意力胶囊网络模块 (CPAC) 来提取高层特征，并运用领域自适应对抗性模块 (CAAM) 来提取 - 基于胶囊网络和情感词典的在线旅游评论情感分析
本文介绍了一种基于社交媒体在线评论的在线旅游评论文本情感分类的 SCCL 模型，该模型利用胶囊网络和情感词库，旨在提高语言模型文本语境特征提取的准确性并增强情感语义信息。
- 适应 BERT 进行连续学习的观点情感分类任务序列
本研究提出一种基于胶囊网络的 B-CL 模型，通过前向和后向知识转移解决连续学习情感分类任务中的迁移学习和维持旧任务表现的问题，经过广泛的实验证明，该模型能够显著提高情感分类任务的性能。
- ECCViCaps: 通过分解胶囊网络实现可解释的分类器
本篇论文提出了一种可解释的胶囊网络（iCaps）来处理图像分类问题，通过引入类别监督分离算法和额外的正则化方法解决了类别胶囊中存在的冗余信息和重叠表示的问题，并在三个数据集上进行了定量和定性的评估，证明 iCaps 分类器能够提供清晰的分类 - 使用胶囊网络检测虚假图像和视频
本文介绍了一种胶囊网络方法，用于检测多种攻击类型，从使用打印图像和重放视频的陈述性攻击到使用深度学习创建的虚假视频的攻击，具有与传统卷积神经网络相似的性能，并通过详细分析和可视化解释了胶囊网络应用于取证问题的理论。
- ICCVCapsuleVOS: 使用胶囊路由的半监督视频物体分割
本文提出一种基于胶囊网络的半监督视频目标分割方法，由引入路由算法实现基于感知机的快速选择和基于循环网络的记忆模块解决了视频中小目标和目标遮挡问题，在 Youtube-VOS 数据集上的表现优于现有离线方法并具有比竞争方法快近一倍的运行时间。
- Point2SpatialCapsule：在点云上使用空间感知胶囊聚合局部区域的特征和空间关系
提出了一个名为 Point2SpatialCapsule 的新型深度学习网络，用于在点云上聚合本地区域的特征和空间关系，旨在学习更具有区分性的形状表示。
- CVPR胶囊网络图像彩色化
本研究探讨了一种简单的 Capsule 网络 (CapsNet) 拓扑结构，用于图像着色问题。通过修改网络结构，将这个原本用于图像分类问题的 CapsNet 模型适用于 CIE Lab 颜色空间下灰度图像到彩色图像的生成和分割任务，利用 V - 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 - 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 - AAAI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 - AAAI具有注意力胶囊网络的多标签关系提取
提出了一种基于胶囊网络的多标签关系提取方法，使用基于注意力机制的路由算法和滑动间隙损失函数来解决关系中部分重叠的问题，并取得了明显的性能提升。
- 胶囊取证：使用胶囊网络检测伪造图像和视频
本文介绍了一种使用胶囊网络来检测各种欺骗的方法，从使用打印图像或记录视频的重放攻击到使用深度卷积神经网络的计算机生成视频，它将胶囊网络的应用扩展到了解决反向图形问题。
- 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。
- EMNLP基于门控循环神经网络和胶囊网络的隐式情感识别方法 ——Sentylic 在 IEST 2018 中的表现
本文介绍了我们在 Implicit WASSA 2018 的情感预测比赛中所用的系统，使用了 GRU 和 Capsule Network 的模型，并利用预训练的词嵌入来将上下文信息引入模型，最终取得了 0.692 的 F1 评分。
- ECCV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 - 利用胶囊网络的生成对抗网络架构进行图像合成
本文提出使用胶囊网络作为图像合成的生成对抗网络体系结构，与使用卷积神经网络的现有体系结构相比，我们提出的 GAN 结构可以更快地学习数据流形，并在更少的训练样本和训练时期中合成视觉精度更高的图像。
- VideoCapsuleNet: 一个简化的行为检测网络
本研究提出了名为 VideoCapsuleNet 的 3D 胶囊网络，可以实现动作检测和像素级动作分割，其中胶囊池化被引入作为卷积胶囊层的一部分以优化计算。研究结果表明，在多个动作检测数据集上，该网络在检测精度方面均有显著提升。