2019-07-06 Stacked Capsule Autoencoders 自我笔记记录（欢迎留言讨论）

• 用的 SVHN 与 MNIST 数据集，差评
• 怀疑假设的合理性与有效性

---

Abstract

核心是开头两句：

An object can be seen as a geometrically organized set of interrelated parts. A system that makes explicit use of these geometric relationships to recognize objects should be naturally robust to changes in viewpoint, because the intrinsic geometric relationships are viewpoint-invariant.

• 一些物体，类似车、人这种，基本是符合的

• 一些物体，类似水、雾、云这种，并没有比较确定的模式

• 艺术性的描绘，类似简单线条勾画出的形状，比如 ^_^ ，若要与真实人脸匹配，则需语义与拓扑的网络（见图1， 图2）
  
  
  
  
  图1. 截图来自《Cognitive neuroscience--Fourth edition》 Banich, Marie T. & Compton, Rebecca J.
  
  
  图2. 原图来自《Principles of neural science--Fifth edition》

---

1 Introduction

CNN 在不同的位置，利用学习到的关键特征进行物体识别。
但是，CNN 试图学习到不同尺度、不同朝向的关键特征，这造成了高层特征图的臃肿。（为什么会造成臃肿？）

图3. SCAE