RobustCaps：一种用于图像分类的变换鲁棒胶囊网络
计算机视觉与模式识别
2022-10-21 v1
摘要
训练数据与测试数据的几何变换对将深度神经网络用于基于视觉的学习任务提出了挑战。为解决此问题，我们提出了一种具有变换鲁棒性这一理想特性的深度神经网络模型。我们的模型称为 RobustCaps，在一种改进的胶囊网络模型中使用了群等变卷积。RobustCaps 在其路由算法中采用全局上下文归一化过程，以学习图像数据内变换不变的部分-整体关系。这种关系的学习使我们的模型在变换鲁棒分类任务上优于胶囊网络和卷积神经网络基线。具体而言，当 CIFAR-10、FashionMNIST 和 CIFAR-100 中的图像经受训练与测试时的旋转和平移时，RobustCaps 在这些数据集上取得了最先进的准确率。
引用
@article{arxiv.2210.11092,
title = {Robustcaps: a transformation-robust capsule network for image classification},
author = {Sai Raam Venkataraman and S. Balasubramanian and R. Raghunatha Sarma},
journal= {arXiv preprint arXiv:2210.11092},
year = {2022}
}