深度学习之胶囊网络CapsNet

论文地址：https://arxiv.org/abs/1710.09829
github地址：https://github.com/naturomics/CapsNet-Tensorflow

---

胶囊网络的理解

我的理解：胶囊网络是CNN的升级版，它们有很多相似的地方和根本的不同点。
CNN：每个神经元的输出是标量
CapsuleNet：每个神经元的输出是向量，也就是多个标量的结合

类比一下CNN和CapsNet：
CNN的过程是(convolution)加权求和，激活函数(relu)，获取更重要的信息(maxpooling)。
CapsNet是加权求和(向量的加权和)，激活函数(squashing)，获取更重要的信息(dynamic routing)

---

公式

输入：vector $u_i$

仿射变换：${\hat{u}}_{j|i}=W_{ij}{u}_i$

加权求和：$s_j={\sum }_i{c}_{ij}{\hat{u}}_{j|i}$

$c_{ij}=\frac{exp(b_{ij})}{{\sum }_{k}exp(b_{ik})}$

$b_{ij}=b_{ij}+{\hat{u}}_{j|i}{v}_j$

非线性激活函数：$v_j=\frac{{||s||}^2}{1+{||s||}^2}\frac{s_j}{{||s_j||}^2}$

输出：vector $v_j$

---

CapsNet模型

两个卷积层(Conv 1, PrimaryCaps)，一个全连接层(DigitCaps)

L1. Conv 1层：常规的卷积层，起像素级局部特征检测作用

input_size: 28 * 28 * 1
kernel_size: 9 * 9
conv_stride: 1 * 1
Channels : 256
activation: Relu
shape: [None, 28, 28, 1] $\to$ [None, 20, 20, 256]
parameters: 9 * 9 * 256 + 256 = 20,992

L2. PrimaryCaps层

input_size: 20 * 20 * 256
kernel_size: 9 * 9
conv_stride: 2 * 2
Channels : 32
non-linearity function: Squashing function
8 convolutional units: 256=8 * 32

shape:[None, 20, 20, 256] $\to$ [None, 6, 6, 32] $\to$ 8个并行卷积层：
[None, 6, 6, 1, 32]
[None, 6, 6, 1, 32]
…
[None, 6, 6, 1, 32]

对每个卷积层的各个通道在第四个维度上进行合并

=[None, 6, 6, 8, 32]

parameters:(9 * 9 * 256) * 8 * 32 + 8 * 32 = 5,308,672

L3. DigitCaps层

10 capsules with 16D vector output, fully connected
输入：PrimaryCaps层所有capsule(6 * 6 * 32)的输出向量 $u_i$，向量维度[8, 1]
输出：$v_j$，维度为[16, 1]
shape:[None, 1152, 8, 1] $\to$ [None, 10, 16, 1]
parameters:
1152 * 10个 $W_{ij}$: 1152 * 10 * 8 * 16 = 1,474,560
1152 * 10个 $\frac{c_{ij}}{b_{ij}}$: 1152 * 10 * 1 = 11,520