您可能感兴趣
本篇文章基于上述三篇,故论文编号沿用上三篇的编号
[61] Dynamic Routing Between Capsules
Sara Sabour, Nicholas Frosst, Geoffrey E. Hinton
https://papers.nips.cc/paper/6975-dynamic-routing-between-capsules.pdf
这篇论文主要关于Capsule,其中考虑了路由机制。
路由机制伪代码如下
网络结构如下,其中的PrimaryCaps是比较基础的Capsule,而DigitCaps是比较高层的Capsule。
从DigitCaps可以反解码出数字,图示如下
CapsNet的测试准确率如下
CapsNet对重叠的数字效果也较好,示例如下
数据集地址
http://www.cs.toronto.edu/~tijmen/affNIST/
[62] Incorporating Side Information by Adaptive Convolution
Di Kang, Debarun Dhar, Antoni Chan
https://papers.nips.cc/paper/6976-incorporating-side-information-by-adaptive-convolution.pdf
这篇文章利用side information 生成滤波流形网络,并将其融入卷积神经网络,提出了自适应卷积神经网络,该网络对人数统计,带污染的数字识别,图像去模糊效果较好。
滤波流形示例如下
融入滤波流形的自适应卷积神经网络结构示例如下
用于人群密度估计的自适应卷积神经网络示例如下
针对Figure 3,自适应卷积神经网络跟卷积神经网络的参数对比如下
自适应卷积神经网络的参数少于一般的卷积神经网络的参数。
自适应卷积神经网络用于图像重构的示例如下
各方法在人群密度统计任务中的对比如下
针对含有椒盐噪声的数字识别,各方法对比如下
各方法在图像重构中的效果对比
[63] Structured Generative Adversarial Networks
Zhijie Deng, Hao Zhang, Xiaodan Liang, Luona Yang, Shizhen Xu, Jun Zhu, Eric P. Xing
https://papers.nips.cc/paper/6979-structured-generative-adversarial-networks.pdf
这篇文章关于GAN,提出了结构化GAN