PrunedCaps：主导性胞囊的判别能力
计算机视觉与模式识别
2025-12-09 v1
摘要
胞囊网络（CapsNets）是一类在卷积神经网络（CNN）方面表现出优势的图像分类器。胞囊网络的一个优势是对仿射变换和重叠图像检测更具鲁棒性。然而，由于主导性胞囊（Primary Capsules，PCs）数量的高昂，胞囊网络无法被归类为资源高效的深度学习架构。此外，胞囊网络的训练和测试也缓慢且耗资源。本文探讨了在MNIST手写数字、Fashion-MNIST、CIFAR-10和SVHN数据集上对胞囊网络进行主导性胞囊剪枝的可能性。我们表明，经过剪枝的胞囊网络在去除95%胞囊后，性能可快达原架构的9.90倍，且不影响准确率。此外，剪枝后的架构在动态路由阶段的浮点运算节省率超过95.36%。我们还提供了一些数据集受益于剪枝显著优于其他数据集的见解。
引用
@article{arxiv.2512.06003,
title = {PrunedCaps: A Case For Primary Capsules Discrimination},
author = {Ramin Sharifi and Pouya Shiri and Amirali Baniasadi},
journal= {arXiv preprint arXiv:2512.06003},
year = {2025}
}