NIPS 2017 深度学习论文集锦 (4)

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