前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【胶囊网络-CapsNet】李宏毅CapsNet课程笔记

【胶囊网络-CapsNet】李宏毅CapsNet课程笔记

作者头像
百川AI
发布2021-10-19 16:59:37
7150
发布2021-10-19 16:59:37
举报
文章被收录于专栏:我还不懂对话我还不懂对话

Capsule

神经网络和胶囊网络区别: 神经网络每个神经元输出的是一个标量,胶囊网络输出是一个向量。

在这里插入图片描述
在这里插入图片描述

一个神经元检测一种pattern,例如一个神经元检测往左的鸟嘴,一个神经元是检测往右的鸟嘴。 而胶囊是检测某一个种类的pattern。例如鸟嘴。

在这里插入图片描述
在这里插入图片描述

其中, W 1 , W 2 W^1, W^2 W1,W2是通过训练决定的,而 C 1 , C 2 C_1, C_2 C1​,C2​是通过动态路由算法得到的。可以拿max pooling做类比。

动态路由算法

在这里插入图片描述
在这里插入图片描述

通过内积来更新b,即 u i u^i ui与输出向量的内积越大,权重就越高。展开可以看到:

在这里插入图片描述
在这里插入图片描述

T是一个超参数。从这个结构来看,每一步的输出都是作为下一步的输入,与RNN很相似。

在这里插入图片描述
在这里插入图片描述

对于一个胶囊网络,具体形式也可以是CNN,将其max pooling和非线性变换用胶囊替代。 上图中,有两个任务,分别是分类和图像重构。

  • 对于分类任务,每个胶囊的输出向量V, ∣ ∣ V 1 ∣ ∣ ||V^1|| ∣∣V1∣∣对应类别1的概率。n个类别做softmax之后就是归一化概率。
  • 对于重构任务,利用胶囊的输出向量,输入到decoder网络,对图像进行重构。

实验结果

在这里插入图片描述
在这里插入图片描述

从结果可知使用CapsNet和重构任务效果取得最好。 同时,把MNIST的测试集做affine transformation。是的测试集和训练集分布不一致,在此测试集上,CapsNet效果下降到79%,而CNN下降到66%。

从结果上也说明,CapsNet更加鲁棒

可视化

在这里插入图片描述
在这里插入图片描述

如何分析 v i v^i vi代表的特征,论文将 v i v^i vi通过重构网络,将其展示为可视化的形式,可以看出去有些v代表是笔画的粗细、旋转等。

MultiMNIST

重构能力。

在这里插入图片描述
在这里插入图片描述

训练集和测试集都是重叠的数字,将重叠的数字分离出来。 (并非训练集是非重叠,测试集是重叠。原谅我笑了,的确也说明CapsNet并非像很多文章介绍的那样神奇) 例如第一幅图,是2和7的重叠图案,而标签是2和7,然后2和7重构。

Discussion

Invariance VS Equivariance

在这里插入图片描述
在这里插入图片描述

Invariance: 不同的输入,保证输出不变,例如分类问题。 Equivariance:不同的输入,输出也不同。但是对于任务,知道该忽略哪一些不同,有点像attention思想。

在这里插入图片描述
在这里插入图片描述

例如,CNN中,经过max pooling之后,输出是一样的。 而CapsNet,通过向量的模表示概率(Invariance),方向表示不同,具有Equivariance。 在CapsNet中,其知道输入之间的差别,但是对于最终的概率

Dynamic Routing

在这里插入图片描述
在这里插入图片描述

attention + Multi-hop 类似于memory network, 见http://www.shuang0420.com/2017/12/04/%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0%20-%20Memory%20Networks/

实验:讲 c i c_i ci​通过BP训练和动态路由训练作对比,证明其有效性。

在这里插入图片描述
在这里插入图片描述

Reference

https://www.youtube.com/watch?v=UhGWH3hb3Hk&t=0s

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019-03-24 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Capsule
  • 动态路由算法
  • 实验结果
    • 可视化
      • MultiMNIST
      • Discussion
        • Invariance VS Equivariance
          • Dynamic Routing
          • Reference
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档