《表1 CapsNet分类测试准确率》
Caps Net在MNIST[93]、small NORB[94]数据集上实验,如表1所示,效果达到顶尖的水平,并且在aff NIST数据集[92](仿射变换后的MNIST数据集)上超越了CNN。Caps Net还能很好地进行图像重构,其通过微调Digit Caps层输出向量不同维度的值,可以发现重构图像发生属性变化(如图10所示,图中每行展示Digit Caps层的输出在某个维度上微调后的重构图像,调整的区间为[-0.25,0.25],间隔为0.05),如笔画粗细、大小等,进一步说明了capsule的方向确实包含了实体的属性特征。
图表编号 | XD003884000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 李国和、乔英汉、吴卫江、郑艺峰、洪云峰、周晓明 |
绘制单位 | 中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、石大兆信数字身份管理与物联网技术研究院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、石大兆信数字身份管理与物联网技术研究院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、石大兆信数字身份管理与物联网技术研究院、石大兆信数字身份管理与物联网技 |
更多格式 | 高清、无水印(增值服务) |