审视胶囊神经网络的优势
机器学习
2020-01-30 v1 计算机视觉与模式识别
机器学习
摘要
胶囊网络是近年来提出的一类神经网络，有望解决传统卷积神经网络的一些缺陷。通过用向量替代标准的标量激活，并以一种新的方式连接人工神经元，胶囊网络旨在成为计算机视觉应用的下一个重大进展。然而，为了确定这些网络是否真正以不同于传统网络的方式运作，必须考察胶囊特征之间的差异。为此，我们进行了若干分析，旨在阐明胶囊特征并确定它们是否如最初发表所述那样工作。首先，我们进行了深度可视化分析，以直观比较胶囊特征与卷积神经网络特征。接着，我们考察胶囊特征在向量分量间编码信息的能力，并探讨胶囊架构中的哪些改变带来了最大的收益。最后，我们考察胶囊特征通过视觉变换编码类对象实例化参数的能力。
引用
@article{arxiv.2001.10964,
title = {Examining the Benefits of Capsule Neural Networks},
author = {Arjun Punjabi and Jonas Schmid and Aggelos K. Katsaggelos},
journal= {arXiv preprint arXiv:2001.10964},
year = {2020}
}