胶囊网络为何如此热门？与卷积神经网络相比谁能更胜一筹？
编译 | AI科技大本营
参与 | 孙士洁
编辑 | 明 明
【AI科技大本营按】胶囊网络是什么？胶囊网络怎么能克服卷积神经网络的缺点和不足？机器学习顾问AurélienGéron发表了自己的看法。营长将文章内容翻译如下。
胶囊网络（Capsule networks, CapsNets）是一种热门的新型神经网络架构，它可能会对深度学习特别是计算机视觉领域产生深远的影响。等一下，难道计算机视觉问题还没有被很好地解决吗？卷积神经网络（Convolutional neural networks, CNNs）已在分类、定位、物体检测、语义分割或实例分割等各种计算机视觉任务中达到了超人类水平，难道我们所有人没有注意到这些难以置信的例子吗？（见图1）
图1 一些主要的计算机视觉任务。现今，这些计算机视觉任务都需要不同的卷积神经网络架构，如用于分类的ResNet架构，用于目标检测的YOLO架构，用于语义分析的掩模R-CNN架构，等等。图像由AurélienGéron提供。
是的，我们已经看到了令人难以置信的CNNs，但是：
这些CNNs都接受了数量巨大图像的训练（或重复使用了部分已训练过的神经网络）。CapsNets能通过少得多的训练数据就可很好地完成网络训练。
CNNs不能很好地处理图像多义性表达。而胶囊网络可以很好处理这一问题，即使在拥挤的场景下也表现出色（尽管CapsNets现在仍与背景纠缠在一起）。
CNNs在池化层丢失大量信息。这些池化层降低了图像空间分辨率（见图2），为此，它们的输出对输入端的微小变化是保持不变的。当整个网络中细节信息必须被保留时，这就是一个问题，如在语义分割中。目前，解决这个问题主要是通过在CNNs周围构建复杂结构来恢复一些丢失的信息。运用CapsNets，详细的姿态信息（如精确的目标位置、旋转、厚度、歪斜、大小等等）在整个网络中都被保留，而不是丢失而后被恢复过来。输入的微小变化会导致输出的细微变化——信息却被保留。这就是所谓的“同变性（equivariance）”。所以，CapsNets对于不同的视觉任务可以使用相同的简单且一致的架构。
最后，CNNs需要额外的组件来实现自动识别一个部件归属于哪一个对象（如，这条腿属于这只羊）。而CapsNets则免费提供部件的层次结构。
图2 DeepLab2图像分割流程，由Liang-Chieh Chen等提供：可以看到，CNN（右上）的输出结果是十分粗糙的，这使得通过增加额外步骤来恢复丢失的细节很有必要。该图来自Deeplab论文《Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,and Fully Connected CRFs》，引用得到作者许可。想了解语义分割体系结构的多样性和复杂性可以看S. Chilamkurthy所做的这篇好文章。
CapsNets是由Geoffrey Hinton等人于2011年在一篇名为“转换自动编码器（Transforming Autoencoders）”论文中首次提出的。但仅在几个月前，也就是2017年11月，Sara Sabour, Nicholas Frosst和Geoffrey Hinton发表了一篇名为“胶囊间动态路由（Dynamic Routing between Capsules）”的论文，介绍了一个CapsNets结构，在MNIST（手写数字图像的著名数据集）上达到了最好性能，并在MultiMNIST（不同数字对重叠形成的变形手写数字图像数据集）上获得了比CNNs好得多的结果，见图3。
图3 MultiMNIST 图像(白色) 和CapsNets重构图像 (红色+绿色)。“R”代表重构 ，“L”代表标签. 如：这一个例子预测(左上)是正确的，重构图像也是正确的。但第5个例子预测是错的，(5,0)预测成了(5,7)。因此，5被正确重构，而0却没有。图形来自论文《Dynamic routing between capsules》, 引用得到作者许可。
尽管CapsNets具有很多有点，但它仍远不够完美。首先，现在CapsNets在如CIFAR10或ImageNet大规模图像测试集上的表现不如CNNs好。而且，CapsNets需要大量计算，不能检测出相互靠近的同类型的两个对象（这被称为“拥挤问题”，且已被证明人类也存在这个问题）。但CapsNets的主要思想还是非常有前途的，似乎只需要一些调整就可以发挥全部潜力。毕竟，现在的CNNs是在1998年发明的，经过一些调整后，就在2012年在ImageNet数据集上战胜了最新技术。
▌那么，CapsNets到底是什么？
简而言之，CapsNet由胶囊而不是神经元组成。胶囊是用于学习检测给定图像区域内特定对象（如矩形）的一小组神经元，它输出一个向量（如一个8维矢量），该向量的长度表示被检测对象存在的估计概率，而方向（如在8维空间中）对被检测对象的姿态参数（如精确的位置，旋转等）进行编码。如果被检测对象发生稍微改变（如移动、旋转、调整大小等），则胶囊将输出相同长度的矢量，但方向稍有不同。这样，胶囊是等变的。
就像常规的神经网络一样，一个CapsNet也是按多个层组织的（见图4）。最下层的胶囊被称为主胶囊：每个胶囊都接收图像的一个小区域作为输入（称其为接受场），尝试检测一个特定模式的存在和姿态，如矩形。更高层的胶囊称为路由胶囊，检测更大更复杂的对象，如船只。
图4 两层胶囊网络。这个例子中，初始胶囊层有两个5×5映射，而第二个胶囊层有两个3×3映射。每个胶囊输出一个向量，每个箭头符号表示一个不同胶囊的输出，蓝色箭头符号表示一个尝试检测三角形的胶囊的输出，黑色箭头符号表示一个尝试检测矩形的胶囊的输出。图像由AurélienGéron提供。
主胶囊层采用几个常规的卷基层来实现。如本文使用两个卷基层输出256个包含标量的6×6特征映射，并将这个输出转变成32个包含8维矢量的6×6映射。最后，使用一个新颖的压缩函数来确保这些向量的长度在0到1之间（表示一个概率）。这样就给出了主胶囊的输出。
下几层胶囊也尝试检测对象及其姿态，但工作方式非常不同，即使用按协议路由算法。这就是胶囊网络的最大魔力所在。我们来看一个例子。
假设只有两个主胶囊：一个长方形胶囊和一个三角胶囊，假设它们都检测到正在寻找的东西。矩形和三角形都可能是房子或船的一部分（见图5）。由于长方形的姿态是略微向右旋转的，房子和船也得是稍微向右旋转。考虑到三角形的姿态，房子就得几乎是颠倒的，而船会稍微向右旋转。注意，形状和整体/部分关系都是在训练期间学习的。现在注意长方形和三角形对船的姿态达成一致，而对房子的姿态强烈不一致。所以，矩形和三角形很可能是同一条船的一部分，并没有房子的存在。
图5 按协议路由，第1步—基于存在的部分对象及其姿态去预测对象及其姿态，而后在预测结果之间寻求一致性。图像由AurélienGéron提供。
既然现在确信长方形和三角形是船的一部分，那么将长方形和三角形胶囊的输出结果更多地发送给船胶囊，而更少发送给房子胶囊，将更有意义：这样，船胶囊将接收更有用的输入信号，而房子胶囊将会收到较少的噪声。对于每个连接而言，按协议路由算法包含一个路由权重（见图6）：达成一致时，增大路由权重；出现分歧时，减少路由权重。
图6 按协议路由，第2步—更新路由权重。图像由AurélienGéron提供。
按协议路由算法包括协议检测+路由更新的一些迭代（注意，每次预测这都会发生，不只是一次且也不仅是在训练时间）。这在拥挤的场景中特别有用：如图7中，场景是存在歧义的，因为你从中间看到的可能是倒置的房子，但是这会使底部的矩形和顶部的三角形无法解释。协议算法很可能会给出更好的解释：底部是一只船，顶部是一个房子。这种模棱两可的说法被认为是“可解释过去的”：下面的矩形最好用船的存在来解释，这也解释了下面的三角形，一旦这两个部分被解释清楚，剩下的部分就很容易被解释为一个房子。
图7按协议路由能解析拥挤场景，如可被误解为颠倒的房子而其他部分无法解释的存在歧义的图像。但底部矩形路由给船，同时底部三角形将也路由给船。一旦船被解释清楚，那么很容易将顶部解释为房子。图像由AurélienGéron提供。
作者| AurélienGéron
原文链接
胶囊网络为何如此热门？与卷积神经网络相比谁能更胜一筹？相关推荐
- 【论文阅读】Learning Traffic as Images: A Deep Convolutional ... [将交通作为图像学习: 用于大规模交通网络速度预测的深度卷积神经网络]（2）
[论文阅读]Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation ...
- 【论文阅读】Learning Traffic as Images: A Deep Convolutional ... [将交通作为图像学习: 用于大规模交通网络速度预测的深度卷积神经网络]（1）
[论文阅读]Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation ...
- 卷积神经网络相比循环神经网络具有哪些特征
CNN卷积神经网络结构有哪些特点? 局部连接,权值共享,池化操作,多层次结构. 1.局部连接使网络可以提取数据的局部特征:2.权值共享大大降低了网络的训练难度,一个Filter只提取一个特征,在整个图 ...
- 网络规模推荐系统的图卷积神经网络
1. 摘要 最近的推荐系统中最突出的是称为图卷积网络(GCNs)的深度学习架构,通过使用神经网络循环地提取总体的特征信息(如,图1),而一个"卷积"操作从一个节点的单跳图邻 ...
- 深度学习之卷积神经网络经典网络LeNet-5简介
1. LeNet-5简介 LeNet5卷积神经网络源于Yann LeCun在1998年发表的论文:Gradient-based Learning Applied to Document Recogni ...
- 经典CNN卷积神经网络发展史+论文+网络实现(PyTorch)
网络搭建目录: Lenet 学习笔记 pytorch官方demo代码复现_放风筝的猪的博客-CSDN博客 AlexNet网络结构详解与代码复现_放风筝的猪的博客-CSDN博客 VGG网络结构详解与代码 ...
- 胶囊网络、边缘计算：2018年13个最新人工智能发展趋势
来源:亿欧智库 摘要: 美国知名研究机构CB Insights的报告<2018年必看的人工智能热门趋势>,对AI行业发展现状进行了深入研究剖析,并给出了2018年AI领域最值得关注的13个 ...
- 卷积神经网络(CNN)介绍
简单介绍和总结卷积神经网络(Convolutional Neural Networks)的基本组成网络层和常用的网络结构. 参考文章/书籍: An Intuitive Explanation of C ...
- Group equivariant capsule networks（组等变胶囊网络） 论文翻译
摘要 我们提出了组等变胶囊网络,这是一个向胶囊网络概念引入保证的等方差和不变性的框架.我们的工作可以分为两部分.首先,我们介绍了一种在组的元素上定义的通过协议算法的通用路由,并证明了输出姿势向量的等方 ...
最新文章
- 标签之美三——超链接的嵌入
- 数学之美系列14（转帖）
- Python流程控制语句
- base cap 分布式_高并发架构系列：详解分布式一致性ACID、CAP、BASE，以及区别
- GPU Gems2 - 9 S.T.A.L.K.E.R.中的延迟着色（Deferred Shading in S.T.A.L.K.E.R.）
- URLEncode编码和URLDecode解码
- 话里话外:成功的ERP需要全程的流程变革(三)
- JS动态添加、删除classl类
- android opencv 水印,关于opencv对图片添加水印
- access 删除字符串中的字符_SQL Server中的字符串分割函数
- Linux电源管理（3）-Generic PM之reboot过程【转】
- 单片机原理与应用技术（四）———矩阵键盘汇编语言
- Data Base学习记录：ER图
- 常微分方程matlab求解英文文献,常微分方程及其matlab求解毕业论文设计
- Android 使用三种方式缓存加载 倒影图片
- Android使用百度地图定位SDK在wifi下位置偏差
- 天蝎座2006年运程
- 97年的Mekka ’97 4K Intro世界编程大赛冠军作品
- Visual Studio 2017、2019 无法启动的解决方法
- 【For my liz】宇宙制作全纪录（如果能成功的话TT）