科研之友
微信
新浪微博
Facebook
分享链接
摘要
胶囊网络是一种新型深度神经网络，采用向量表达图像特征信息，并通过引入动态路由算法解决了卷积神经网络的两个主要问题：1)无法对图像的部分与整体关系进行学习和表达；2)池化操作导致图像特征信息严重丢失。然而，CapsNet需要学习图像的所有特征，当图像背景较复杂时，其存在提取图像特征信息不足、训练参数量大和训练效率低等问题。为此，首先设计了一种轻量级的图像特征提取器RA模块，用于更快、更完整地提取图像特征信息；其次，设计了两种不同深度的轻量化分支来提升网络的训练效率；最后，设计了新的压缩函数hc-squash来确保网络能够获取更多有用信息，并提出了多分支RA胶囊网络。通过在MNIST,Fashion-MNIST,affNIST和CIFAR-10这4个图像分类数据集中的应用，证实了多分支RA胶囊网络在多项性能指标上优于CapsNet和MLCN,并针对所提网络设计了改进方案，以优化分类性能。
- 单位
