学界 | CapsNet 再升级！无监督学习图像特征，取得最先进结果

“胶囊网络的改进版本。”AI 科技评论按：CapsNet 作者 Sara Sabour 联合 Geoffrey Hinton 及牛津大学研究者在最新的论文《Stacked Capsule Autoencoders》中提出胶囊网络的改进版本，该胶囊网络可以无监督地学习图像中的特征，并取得了最先进的结果。一个物体可以看作是一组相互关联的几何组成部分，因此，一个明确利用这些几何关系来识别物体的系统，在应对视点的变化上理应具有鲁棒性，因为内在几何关系的视点是不会有变化的。在这篇论文中，他们提出一个无监督版本的胶囊网络，通过可查看所有部件的神经编码器，进而推断物体胶囊的位置与姿势。该编码器通过解码器进行反向传播训练，通过混合式姿势预测方案来预测已发现部件的姿势。同样是使用神经编码器，通过 ………………………………