ME-CapsNet：一种带路由机制的多增强胶囊网络
计算机视觉与模式识别
2022-04-01 v3 人工智能
机器学习
摘要
卷积神经网络需要构建信息性特征，这些特征由网络各层中与通道和空间相关的信息决定。在本研究中，我们致力于提出一种新颖方案，利用精细优化来增强每层感受野内的空间与通道分量。胶囊网络被用于理解特征图中特征间的空间关联。独立胶囊网络在相对简单数据集上表现良好，而在复杂数据集上由于过量的特征信息表现欠佳。因此，为应对此问题，我们提出 ME-CapsNet，引入更深的卷积层以提取重要特征，再经策略性布置的胶囊层模块以显著提升网络性能。更深的卷积层包含 Squeeze-Excitation 网络块，其采用随机采样方法逐步减小空间尺寸，从而在不损失重要特征信息的前提下动态重标定通道间的相互依赖。使用常用数据集进行了充分实验，证明了所提 ME-CapsNet 的有效性，其在复杂数据集上以最小模型复杂度取得更高准确率，明显优于多种研究工作。
引用
@article{arxiv.2203.15547,
title = {ME-CapsNet: A Multi-Enhanced Capsule Networks with Routing Mechanism},
author = {Jerrin Bright and Suryaprakash Rajkumar and Arockia Selvakumar Arockia Doss},
journal= {arXiv preprint arXiv:2203.15547},
year = {2022}
}
备注
Submitted to 8th IEEE International Conference on Electronics, Computing and Communication Technologies (IEEE CONECCT'22)