2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1330-1335ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn改进的基于多路径特征的胶囊网络徐清海1，丁世飞1，2*，孙统风1，2，张健1，2，郭丽丽1，2（1.中国矿业大学计算机科学与技术学院，江苏徐州221116；2.矿山数字化教育部工程技术研究中心（中国矿业大学），江苏徐州221116）（∗通信作者电子邮箱dingsf@cumt.edu.cn）摘要：针对胶囊网络（CapsNet）在复杂数据集上的分类效果差，而且在路由过程中参数数量过大等问题，提出一种基于多路径特征的胶囊网络（MCNet），包含新的胶囊特征提取器和新的胶囊池化方法。该胶囊特征提取器从多个不同路径中并行地提取不同层次、不同位置的特征，然后将特征编码为包含更多语义信息的胶囊特征；胶囊池化方法则在胶囊特征图的每个位置选取最活跃的胶囊，用少量的胶囊表示有效的胶囊特征。在4个数据集（CIFAR-10、SVHN、Fashion-MNIST、MNIST）上与CapsNet等模型进行了对比。实验结果显示，MCNet在CIFAR-10数据集上的分类准确率为79.27%，可训练的参数数量为6.25×106，与CapsNet相比，MCNet的分类准确率提升了8.7%，参数数量减少了46.8%。MCNet能够有效提升分类准确率，同时减少可训练的参数数量。关键词：胶囊网络；深度学习；动态路由；胶囊池化；反卷积重构中图分类号：TP183；TP391文献标志码：AImprovedcapsulenetworkbasedonmultipathfeatureXUQinghai1，DINGShifei1，2*，SUNTongfeng1，2，ZHANGJian1，2，GUOLili1，2（1.SchoolofComputerScienceandTechnology，ChinaUniversityofMiningandTechnology，XuzhouJiangsu221116，China；2.EngineeringResearchCenterofMineDigitization，MinistryofEducation（ChinaUniversityofMiningandTechnology），XuzhouJiangsu221116，China）Abstract:ConcerningtheproblemsofpoorclassificationofCapsuleNetwork（CapsNet）oncomplexdatasetsandlargenumberofparametersintheroutingprocess，aCapsuleNetworkbasedonMultipathfeature（MCNet）wasproposed，includinganovelcapsulefeatureextractorandanovelcapsulepoolingmethod.Bythecapsulefeatureextractor，thefeaturesofdifferentlayersandlocationswereextractedinparallelfrommultiplepaths，andthenthefeatureswereencodedintocapsulefeaturescontainingmoresemanticinformation.Inthecapsulepoolingmethod，themostactivecapsulesateachp...
