卷积全连接胶囊网络（CFC-CapsNet）：一种新型且高效的胶囊网络
计算机视觉与模式识别
2025-11-11 v1
摘要
胶囊网络（CapsNet）是一种相对新型的分类器，是卷积神经网络（CNN）的可能继任者。CapsNet 维持了特征之间的空间层次结构，并在包括重叠类别在内的图像分类方面超越了 CNN。在小规模数据集（如 MNIST）上表现良好，但在更复杂的数据集和实际应用中未能达到类似水平。此外，CapsNet 在执行相同任务时速度较慢，且依赖更高的参数数量。本文引入卷积全连接胶囊网络（CFC-CapsNet）以解决 CapsNet 的不足之处，通过不同方法创建胶囊。我们引入了新的层（CFC 层）作为创建胶囊的替代方案。CFC-CapsNet 产生更少但更强大的胶囊，从而实现更高的网络准确率。我们的实验表明，CFC-CapsNet 在 CIFAR-10、SVHN 和 Fashion-MNIST 数据集上相较于传统 CapsNet 实现了竞争性的准确率、更快的训练和推理速度，以及更少的参数使用。
引用
@article{arxiv.2511.05617,
title = {Convolutional Fully-Connected Capsule Network (CFC-CapsNet): A Novel and Fast Capsule Network},
author = {Pouya Shiri and Amirali Baniasadi},
journal= {arXiv preprint arXiv:2511.05617},
year = {2025}
}