.png){kind=icon}
返回
A Multi-Branch-Based Capsule Network With Structural Reparameterization
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2025.3592328.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
胶囊网络（CapsNet）是一种先进的网络模型。然而，CapsNet在复杂数据集（如CIFAR10）上的性能有限。改进网络架构是提升胶囊网络性能的关键途径之一。在这些改进中，采用多分支结构是实现这一目标的有效方法。与直接修改架构不同，我们将多分支引入路由过程中，并提出了多分支路由。采用这种路由机制构建的胶囊网络被称为ReCapsNet。为缓解多分支结构引起的参数膨胀，将结构重参数化引入ReCapsNet。该方法旨在减少推理所需的参数并简化架构。此外，我们利用基于注意力机制的最大池化操作来抑制非重要胶囊，提高模型性能。在四个数据集（CIFAR10、CIFAR100、SVHN和FMNIST）上的实验表明，ReCapsNet具有出色的分类性能。此外，重参数化的ReCapsNet模型能够保持与原始模型相当的性能，同时显著减少参数。最后，在MNIST数据集和affNIST数据集上验证了ReCapsNet的仿射鲁棒性。
Keyword:
Capsule networks
structural reparameterization
image classification
capsule routing
capsule pooling
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
.png){kind=icon}
Diverse Branch Block: Building a Convolution as an Inception-like Unit多样化的分支块: 将卷积构建为类似Inception的单元OAAI
OAAI分享收藏OrthCaps: An Orthogonal CapsNet with Sparse Attention Routing and PruningOrthCaps: 一种具有稀疏注意力路由和剪枝的正交胶囊网络
PREAI
分享收藏分享收藏
查看更多内容