胶囊网络无需建模一切

胶囊网络是受生物学启发的神经网络，其将神经元分组为称为胶囊的向量，每个胶囊显式表示一个对象或其部件之一。路由机制连接连续层中的胶囊，形成部件与对象之间的层次结构，也称为解析树。胶囊网络常试图建模图像中的所有元素，需要较大的网络规模来处理复杂背景或无关对象等情况。然而，这种全面建模导致参数量增加和计算效率低下。我们的目标是使胶囊网络仅关注感兴趣的对象，减少解析树的数量。我们通过 REM（路由熵最小化，Routing Entropy Minimization）实现这一点，该技术最小化类解析树结构的熵。REM 通过剪枝机制将模型参数分布推向低熵配置，显著减少类内解析树的生成。这使胶囊能够以更少的参数和可忽略的性能损失学习更稳定、更简洁的表示。