面向视觉识别的多尺度分块胶囊网络 with 跨协议路由

胶囊网络（CapsNet）通过捕获空间关系和部件-整体层次结构来学习等效特征表示，展现出在视觉识别中显著的潜力。然而，现有的胶囊网络及其变体常依赖单一高层特征图，忽视了来自多尺度特征的丰富互补信息。此外，传统的特征融合策略（如加法和拼接）难以调和多尺度特征之间的差异，导致分类性能次优。为此，我们提出了多尺度分块胶囊网络（MSPCaps），一种新型架构，集成了多尺度特征学习与高效胶囊路由。具体而言，MSPCaps 包含三个关键组件：多尺度 ResNet 主干网络（MSRB）、分块胶囊层（PatchifyCaps）和跨协议路由（CAR）模块。首先，MSRB 从输入图像中提取多样化的多尺度特征表示，既保留细粒度细节，又保留全局上下文信息。其次，PatchifyCaps 将这些多尺度特征划分为统一分块大小的初始胶囊，赋予模型从多样化感受野中学习的能力。最后，CAR 模块通过识别跨尺度预测对中最大协议的匹配，适应性地路由多尺度胶囊。与简单拼接多个自路由模块不同，CAR 确保只有最具一致性的胶囊才贡献最终投票。我们提出的 MSPCaps 实现了卓越的可扩展性和优异的鲁棒性，在分类准确率方面始终优于多个基线方法，配置从高效的 Tiny 模型（34.43 万参数）到强大的 Large 模型（1090 万参数）不等，凸显其在推进特征表示学习方面的潜力。