基于胶囊网络的无监督视觉表征对比学习
计算机视觉与模式识别
2022-09-26 v1 人工智能
摘要
胶囊网络在过去十年中展现出巨大进展，因其等变特性在各类任务上优于传统 CNN。利用提供物体或其部件的大小与方向信息的向量输入输出，胶囊网络在无监督学习环境下的视觉表征任务（如多类图像分类）中具有极大应用潜力。本文提出对比胶囊（CoCa）模型，这是一种采用对比损失及我们新颖架构、训练与测试算法的孪生式胶囊网络。我们在无监督图像分类 CIFAR-10 数据集上评估该模型，取得了 70.50% 的 top-1 测试准确率和 98.10% 的 top-5 测试准确率。得益于高效的架构，我们的模型参数量比当前有监督与无监督学习中的 SOTA 少 31 倍，FLOPs 少 71 倍。
引用
@article{arxiv.2209.11276,
title = {Capsule Network based Contrastive Learning of Unsupervised Visual Representations},
author = {Harsh Panwar and Ioannis Patras},
journal= {arXiv preprint arXiv:2209.11276},
year = {2022}
}