动态路由胶囊网络的可视化研究

摘要

最近提出的胶囊网络是继卷积网络(convolutional neural networks,CNN)之后的另一创新结构.相比于CNN特征的弱空间关联性,胶囊网络的矢量化特征则被认为能很好地表达特征之间的空间关联.然而,胶囊网络的特征应如何理解还缺乏严格的理论以及实验论证.对此,文中试图从特征可视化的角度来验证CNN中特征空间关联性的强弱,并探讨胶囊网络提取到的特征中是否具有空间关联.通过训练不同特征维数的胶囊网络,探究出改变特征维数对胶囊网络产生的影响.实验结果表明,相比于CNN特征空间的弱关联性,胶囊网络的矢量化特征呈强相关性,确实包含了所提取特征的姿态、形变等空间相关信息,并且当胶囊网络特征维数降低时提取到的空间信息会减少,使得胶囊网络复原出图像的与输入的原图像差距增大.