Wasserstein路由胶囊网络
机器学习
2020-07-23 v1 计算机视觉与模式识别
机器学习
摘要
胶囊网络提供了有趣的特性，并作为当今深度神经网络架构的一种替代方案。然而，近期方法未能在不同图像数据集上稳定取得有竞争力的结果。我们提出一种新的参数高效胶囊架构，能够通过使用以近似Wasserstein目标训练的神经网络在整个架构中动态选择胶囊，来处理复杂任务。该方法侧重于实现鲁棒的路由方案，能以极小开销带来改进结果。我们进行了若干消融研究验证所提概念，并表明我们的网络在CIFAR-10上以更少参数比其他胶囊方法大幅高出1.2%以上。
引用
@article{arxiv.2007.11465,
title = {Wasserstein Routed Capsule Networks},
author = {Alexander Fuchs and Franz Pernkopf},
journal= {arXiv preprint arXiv:2007.11465},
year = {2020}
}
备注
8 pages, 3 figures