计算机应用

作者：徐清海, 丁世飞, 孙统风, 张健, 郭丽丽

单位：1.中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116；2.矿山数字化教育部工程技术研究中心(中国矿业大学), 江苏 徐州 221116

关键词：胶囊网络,深度学习,动态路由,胶囊池化,反卷积重构

基金：国家自然科学基金资助项目(61976216)

针对胶囊网络（CapsNet）在复杂数据集上的分类效果差，而且在路由过程中参数数量过大等问题，提出一种基于多路径特征的胶囊网络（MCNet），包含新的胶囊特征提取器和新的胶囊池化方法。该胶囊特征提取器从多个不同路径中并行地提取不同层次、不同位置的特征，然后将特征编码为包含更多语义信息的胶囊特征；胶囊池化方法则在胶囊特征图的每个位置选取最活跃的胶囊，用少量的胶囊表示有效的胶囊特征。在4个数据集（CIFAR-10、SVHN、Fashion-MNIST、MNIST）上与CapsNet等模型进行了对比。实验结果显示，MCNet在CIFAR-10数据集上的分类准确率为79.27%，可训练的参数数量为6.25×106，与CapsNet相比，MCNet的分类准确率提升了8.7%，参数数量减少了46.8%。MCNet能够有效提升分类准确率，同时减少可训练的参数数量。

来源：2023年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第5期