学界 | 胶囊网络是如何克服卷积神经网络的这些缺点的?

  1. 云栖社区>
  2. 大数据文摘>
  3. 博客>
  4. 正文

学界 | 胶囊网络是如何克服卷积神经网络的这些缺点的?

技术小能手 2018-03-16 15:48:20 浏览17351
展开阅读全文

胶囊网络(CapsNet)是一种新的热门的神经网络架构。它可能对深度学习带来深远的影响,特别是对计算机视觉领域。等一下!计算机视觉不是差不多已经被解决了吗?我们不是已经看到了多种卷积神经网络(CNN)的神奇案例?它们不是已经在计算机视觉任务(例如分类、定位、物体检测、语义分割或实例分割,见图1)上实现超越人类的水平了吗?

20e6d54f56dce2c58f5e6b83fa9c4663fe2b5b2b

图1 一些主要的计算机视觉任务。当前,每种任务都需要一个不一样的CNN架构。比如分类里的ResNet,物体检测里的YOLO,实例分割里的Mask R-CNN等。图片由Aurélien Géron提供。

恩,是的。我们已经见到了很多神奇的CNN,但是,


8481c8f592b7f349aa84a1de5c171db681516edf它们需要非常多的图片进行训练(或重复使用了已用海量数据训练过的神经网络的一部分)。 而CapsNet使用少得多的训练数据就能泛化。
8481c8f592b7f349aa84a1de5c171db681516edfCNN们并不能很好地应对模糊性,但Cap

网友评论

登录后评论
0/500
评论