多分支RA胶囊网络及在图像分类中的应用

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.

关键词：胶囊网络、RA模块、深度学习、压缩函数、注意力机制

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2022-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：224-230