江苏龙网

  1. 首页 > 资讯 > 资讯 > >

图像中|学习Hinton老爷子的胶囊网络，这有一篇历史回顾与深度解读( 六 )


四：讨论与小结
胶囊是深度学习的新概念，与 CNN 和传统的网络神经网络相比，它产生了不错的效果。CNN 分类器在对抗干扰数据时并不健壮，然而，CapsNets 被证明对不良数据的适应力更强，而且还能适应输入数据的仿射变换。
同时，胶囊网络也已经被证明能够减少训练时间，和最小化参数。尽管胶囊网络的表现在某些方面优于 CNN，但也有他们的运作不是很理想的领域(例如大数据集和背景复杂的输入图像)。这些灰色区域需要得到了研究人员的进一步关注和改进。本文的目的是综述胶囊网络的现状，揭示许多的架构和实现方法。虽然目前关于胶囊网络的论文很多，但是胶囊网络本身还是有更多地方需要被研究和挖掘。
参考文献：
1.Patrick, Mensah Kwabena , et al. "Capsule Networks – A survey." (2019).
2. Hinton, Geoffrey E. , A. Krizhevsky , and S. D. Wang . "Transforming Auto-encoders." Artificial Neural Networks & Machine Learning-icann -international Conference on Artificial Neural Networks Springer, Berlin, Heidelberg, 2011.
3.Sabour, Sara , N. Frosst , and G. E. Hinton . "Dynamic Routing Between Capsules." (NIPS 2017).
4. Hinton, Geoffrey E., Sara Sabour, and Nicholas Frosst. "Matrix capsules with EM routing." international conference on learning representations (2018).
5.Kosiorek A R , Sabour S , Teh Y W , et al. Stacked Capsule Autoencoders[J]. NIPS 2019.
6.Rajasegaran, J. , Jayasundara, V. , Jayasekara, S. , Jayasekara, H. , Seneviratne, S. , & Rodrigo, R. . (CVPR 2019). Deepcaps: going deeper with capsule networks.
7. Bruce McIntosh, Kevin Duarte, Yogesh S Rawat, Mubarak Shah. (CVPR 2020). Visual-Textual Capsule Routing for Text-Based Video Segmentation.
分析师介绍：
本文作者为周宇，目前在华中科技大学攻读计算机博士学位。主要研究方向是深度学习下的表情识别。希望能和研究方向相似的研究者们一起交流，共同进步。
关于机器之心全球分析师网络 Synced Global Analyst Network
机器之心全球分析师网络是由机器之心发起的全球性人工智能专业知识共享网络。在过去的四年里，已有数百名来自全球各地的 AI 领域专业学生学者、工程专家、业务专家，利用自己的学业工作之余的闲暇时间，通过线上分享、专栏解读、知识库构建、报告发布、评测及项目咨询等形式与全球 AI 社区共享自己的研究思路、工程经验及行业洞察等专业知识，并从中获得了自身的能力成长、经验积累及职业发展。
感兴趣加入机器之心全球分析师网络？点击阅读原文，提交申请。


推荐阅读


上一篇： 诸葛亮|胸无大志并不一定是坏事

下一篇： 目光如炬|晚清的四大中兴名臣: 李鸿章高大英俊, 左宗棠目光如炬!