AITerms 登入
深度學習神經網路電腦視覺

膠囊網路(Capsule Network)是什麼?

膠囊網路是一種神經網路架構,旨在解決卷積神經網路在處理物件方向和空間關係上的不足,透過膠囊和路由機制,更有效地捕捉物件的層次結構。

完整定義

膠囊網路(Capsule Network)是一種新型的神經網路架構,它試圖解決傳統卷積神經網路(CNN)在處理物件方向和空間關係上的不足。與CNN不同,膠囊網路使用稱為「膠囊」的向量來表示物件的屬性,並透過「路由」機制來建立物件之間的層次關係,從而更有效地捕捉物件的整體結構。

白話說明

你在意物體的方向、姿態和層次關係時,你會怎麼判斷它真正的作用?

你可以把它想成 膠囊網路是一種神經網路架構,旨在解決卷積神經網路在處理物件方向和空間關係上的不足,透過膠囊和路由機制,更有效地捕捉物件的層次結構。

在 你在意物體的方向、姿態和層次關係時 這種情境裡,這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

比喻

膠囊網路就像一個更聰明的偵探,它不只認得出「有眼睛」,還知道「眼睛在臉的左邊、鼻子在眼睛下面」這種空間關係,而且能理解即使臉歪了,眼睛和鼻子的相對位置還是不變。它會把這些「特徵和它們的關係」打包成一個個「膠囊」來分析。

容易混淆

膠囊網路 vs CNN

CNN 很強在局部特徵,膠囊網路更重視姿態和層次關係。

膠囊網路 vs 池化

池化會壓縮空間資訊,膠囊網路則想保留更多位置與方向。

膠囊網路 vs 參數更多

它不是單純把模型做大,而是換一種表示方式。

實際案例

案例 1:旋轉數字

同一個數字轉個角度,膠囊網路希望還能認出來。

案例 2:物體姿態

物體的位置、方向、組成關係會一起影響判斷。

演算法與應用

面向
核心
重點
用膠囊向量表達實體,向量長度像存在感,方向像姿態資訊。
面向
機制
重點
透過路由機制把低階特徵送到高階特徵。
面向
注意
重點
概念很漂亮,但實務上不如 CNN 普及。

情境判斷

Q1(判斷題): 如果圖片只是平移,CNN 可能也能處理,那膠囊網路還需要嗎?

有時需要,尤其當姿態和空間關係很重要時。

Q2(判斷題): 如果任務只是一般分類,膠囊網路一定比 CNN 好嗎?

不一定,複雜度和效益要一起看。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本