SA-CapsNet:自注意力胶囊网络

作者：刘林嵩; 仝明磊^*; 吴东亮

来源：计算机应用研究, 2021, 38(10): 3005-3039.

DOI：10.19734/j.issn.1001-3695.2021.03.0092

• 胶囊网络
• 图像分类
• 自注意力
• 特征提取
• 深度学习

胶囊网络(CapsNet)强调对图像特征的空间关系进行编码,但是其特征提取模块难以应对复杂分类场景。为了提升CapsNet的性能,提出了一种具有自注意力(self-attention)特征提取模块的胶囊网络(self-attention capsule network,SA-CapsNet)。首先通过降低胶囊维度,并增加一个中间层来改进CapsNet;然后将SA模块映射到胶囊网络的特征提取层,增加特征提取能力。在MNIST、Fashion MNIST和CIFAR10数据集上进行实验,分类准确率分别为99.67%、92.21%和82.51%。实验结果验证了改进网络的有效性,整体性能有较大提升。

• 单位
  上海电力大学