HitNet：一种在 Hit-or-Miss 层中嵌入胶囊的神经网络，并扩展混合数据增强与幻影胶囊
计算机视觉与模式识别
2018-06-19 v1 人工智能
摘要
近年来，为分类任务设计的神经网络已趋商品化。许多工作致力于开发更优网络，导致其架构复杂化，出现更多层、多个子网络甚至多分类器组合。在本文中，我们展示如何通过替换一层为 Hit-or-Miss 层来重新设计简单网络以取得优异性能，其优于在多个数据集上用 CapsNet 复现的结果。该层包含称为胶囊的激活向量，我们通过定制特定向心损失函数训练其命中或错过中心胶囊。我们还展示我们的网络 HitNet 如何通过加入重构网络来合成给定类别图像的代表性样本。这一能力允许开发结合数据空间与特征空间信息的数据增强步骤，形成混合数据增强过程。此外，我们引入 HitNet 在需要时采用真值目标替代方案的可能性，通过使用新概念幻影胶囊，此处用于检测训练数据中潜在错标图像。
引用
@article{arxiv.1806.06519,
title = {HitNet: a neural network with capsules embedded in a Hit-or-Miss layer, extended with hybrid data augmentation and ghost capsules},
author = {Adrien Deliège and Anthony Cioppa and Marc Van Droogenbroeck},
journal= {arXiv preprint arXiv:1806.06519},
year = {2018}
}