采用胶囊网络作为生成器架构的胶囊 GAN

Kanako Marusaki; Hiroshi Watanabe

采用胶囊网络作为生成器架构的胶囊 GAN

计算机视觉与模式识别 2020-03-20 v1 机器学习图像与视频处理

作者: Kanako Marusaki , Hiroshi Watanabe

摘要

本文提出 Capsule GAN，一种不仅在判别器也在生成器中采用胶囊网络（Capsule Network）的生成对抗网络（GAN）。近来生成对抗网络（GANs）受到深入研究。然而，用 GANs 生成图像颇为困难，故其有时生成质量低劣的图像。这些 GANs 使用卷积神经网络（CNNs）。但 CNNs 存在可能丢失图像特征间关系信息的缺陷。Hinton 于 2017 年提出的胶囊网络克服了 CNNs 的缺陷。先前报道的 Capsule GAN 仅在判别器中使用胶囊网络；然而既往研究的 Capsule GAN 在生成器架构中仍如 DCGAN 般使用 CNNs。本文引入两种在生成器中使用胶囊网络的方法：其一，将判别器的 DigitCaps 层作为生成器输入（DigitCaps 层为胶囊网络输出层，具判别器输入图像之特征）；其二，在生成器中使用胶囊网络识别过程的逆操作。我们将本文提出的 Capsule GAN 与采用 CNN 的常规 GAN 及仅在判别器用胶囊网络的 Capsule GAN 比较。数据集为 MNIST、Fashion-MNIST 与彩色图像。结果表明 Capsule GAN 优于使用 CNN 的 GAN 及仅在判别器用胶囊网络的 GAN。本文提出的 Capsule GAN 架构为使用胶囊网络的基础架构，故可将现有 GAN 改进技术应用于 Capsule GAN。

关键词

生成对抗网络胶囊网络生成器架构 DigitCaps 图像生成 MNIST Fashion-MNIST

引用

@article{arxiv.2003.08047,
  title  = {Capsule GAN Using Capsule Network for Generator Architecture},
  author = {Kanako Marusaki and Hiroshi Watanabe},
  journal= {arXiv preprint arXiv:2003.08047},
  year   = {2020}
}

备注

7 pages and 8 figures

采用胶囊网络作为生成器架构的胶囊 GAN

摘要

关键词

引用

备注

相关论文