DeepCaps：使用更深的胶囊网络
计算机视觉与模式识别
2019-04-23 v1
摘要
胶囊网络是深度学习中一个有前景的概念，但其真正潜力迄今尚未被充分实现，在带有复杂数据的若干关键基准数据集上表现欠佳。从卷积神经网络(CNNs)通过加深取得成功的直觉出发，我们引入DeepCaps1，一种使用基于三维卷积的动态路由算法的深度胶囊网络架构。借助DeepCaps，我们在胶囊网络领域的CIFAR10、SVHN和Fashion MNIST上超越了当前最优结果，同时将参数量减少68%。此外，我们提出一个与类别无关的解码器网络，强化了重构损失作为正则化项的作用。这带来了解码器的一个有趣性质，使我们能够识别并控制由实例化参数表示的图像的物理属性。
引用
@article{arxiv.1904.09546,
title = {DeepCaps: Going Deeper with Capsule Networks},
author = {Jathushan Rajasegaran and Vinoj Jayasundara and Sandaru Jayasekara and Hirunima Jayasekara and Suranga Seneviratne and Ranga Rodrigo},
journal= {arXiv preprint arXiv:1904.09546},
year = {2019}
}