Quick-CapsNet (QCN)：胶囊网络的快速替代方案
计算机视觉与模式识别
2025-10-10 v1
摘要
胶囊网络（CapsNet）中的基本计算单元是胶囊（而卷积神经网络（CNN）中是神经元）。胶囊是一组神经元，它们形成一个向量。CapsNet 用于数据的监督分类，并在 MNIST 手写数字识别数据集上达到了最先进的准确率，在检测重叠数字方面优于传统 CNN。此外，对于 MNIST 数据集，与 CNN 相比，CapsNet 对仿射变换表现出更高的鲁棒性。然而，CapsNet 的缺点之一是训练和测试速度慢。对于需要快速网络的应用，尤其是在推理期间，这可能成为瓶颈。在这项工作中，我们引入了 Quick-CapsNet (QCN) 作为 CapsNet 的快速替代方案，它可以作为开发用于快速实时应用的 CapsNet 的起点。QCN 通过生成更少数量的胶囊来实现更快的网络。QCN 以略微降低准确率为代价实现了这一点。在 MNIST、F-MNIST、SVHN 和 Cifar-10 数据集上，推理速度提高了 5 倍。我们还通过采用更强大的解码器代替默认解码器来进一步增强 QCN，以进一步改进 QCN。
引用
@article{arxiv.2510.07600,
title = {Quick-CapsNet (QCN): A fast alternative to Capsule Networks},
author = {Pouya Shiri and Ramin Sharifi and Amirali Baniasadi},
journal= {arXiv preprint arXiv:2510.07600},
year = {2025}
}