利用残差连接训练深度胶囊网络
计算机视觉与模式识别
2021-04-16 v1
摘要
胶囊网络是一类近期日益流行的神经网络。其由称为胶囊的神经元组构成，编码对象或对象部件的属性。胶囊间连接通过路由算法加密对象间部分-整体关系，将来自较低层的胶囊输出路由至较高层。胶囊网络可在许多具挑战性的计算机视觉任务（如 MNIST、Fashion-MNIST 与 Small-NORB）上达到最先进结果。然而，多数胶囊网络实现使用两到三个胶囊层，由于表达能力随深度指数增长，这限制了其适用性。克服此类限制的一种途径是训练更深网络架构，正如卷积神经网络已取得的更大成功。本文中，我们提出一种利用残差连接训练更深胶囊网络的方法，并在四个数据集与三种不同路由算法上评估。实验结果表明，训练更深胶囊网络时性能确实提升。源代码见于 https://github.com/moejoe95/res-capsnet。
引用
@article{arxiv.2104.07393,
title = {Training Deep Capsule Networks with Residual Connections},
author = {Josef Gugglberger and David Peer and Antonio Rodriguez-Sanchez},
journal= {arXiv preprint arXiv:2104.07393},
year = {2021}
}
备注
12 pages