tensorflow - CIFAR10 上是否有任何 Capsnet 实现比普通 CNN 获得更好的准确性？

Question

我根据 Sara Sabour 和 Hinton 的文章通过 EM-Routing 实现 Capsule Network，它在 MNIST 数据集和其他一些与 MNIST 相同的灰度数据集（如 Hoda（波斯语/阿拉伯数字））上效果很好，但是当我尝试使用 CIFAR10 时，准确度是难以置信的低。

标签： tensorflowdeep-learningconv-neural-networkmnist

Answer 1

是的，这就是 Capsule Networks 目前的问题。由于数据集的简单性，它适用于 MNIST。您只需要检测一些边缘和斑点，以便对每个数据进行分类。对于更复杂的数据集，天真地堆叠胶囊并希望它表现良好是行不通的。然而，目前正在进行工作以调整当前的 CapsNet 架构，使其性能比现在更好。当年CNN开发的时候，也有同样的问题。CNN 花了很多年才成为现在的样子。

想了解 CapsNet 在不同数据集上的表现可以参考这篇论文：https ://arxiv.org/abs/1712.03480

之前我提到有一些工作正在改进 CapsNet。但是，到目前为止已经完成了一些工作。你可以参考这些：

http://openaccess.thecvf.com/content_CVPR_2019/papers/Rajasegaran_DeepCaps_Going_Deeper_With_Capsule_Networks_CVPR_2019_paper.pdf

http://proceedings.mlr.press/v97/jeong19b/jeong19b.pdf

请记住，训练 CapsNet 所需的时间远高于 CNN。因此，测试这些架构并不容易。