膠囊網(wǎng)絡(luò)可以將輸入圖像的特征信息編碼為膠囊,并通過隨機路由算法獲得低層膠囊中部分特征到高層膠囊中整體特征的特征組合映射,其中隨機路由算法由迭代循環(huán)的方式來實現(xiàn),高層膠囊由低層膠囊的組合來激活,反過來高層膠囊對低層膠囊的影響卻僅存在于對于貢獻(xiàn)權(quán)重的調(diào)節(jié)。膠囊網(wǎng)絡(luò)的這種結(jié)構(gòu)一方面可以實現(xiàn)由底層到高層充分的特征信息提取,來實現(xiàn)對于特征信息的充分利用,但也使其不可避免的易受噪聲特征的影響。另一方面膠囊網(wǎng)絡(luò)的模型結(jié)構(gòu)和特征傳遞方式也導(dǎo)致其缺乏自上而下的空間關(guān)系指導(dǎo),對于特征信息中的空間關(guān)系利用率不高。而人為給定次數(shù)的迭代循環(huán)算法也使得組合低層膠囊激活高層膠囊的特征尋優(yōu)過程并不高效,進(jìn)而導(dǎo)致膠囊網(wǎng)絡(luò)在處理具有復(fù)雜特征與空間信息的輸入圖像時,模型收斂緩慢,精度欠佳。因此,本文提出了一種基于特征和空間關(guān)系編碼的新型膠囊網(wǎng)絡(luò),為膠囊網(wǎng)絡(luò)引入自上而下的空間關(guān)系信息的指導(dǎo)優(yōu)化膠囊網(wǎng)絡(luò)結(jié)構(gòu)。一方面設(shè)置特征信息提取器和空間關(guān)系提取器分別對特征與空間關(guān)系進(jìn)行抽象,減弱噪聲信息的干擾,同時為膠囊網(wǎng)絡(luò)引入空間信息指導(dǎo);另一方面設(shè)置特征與空間關(guān)系編碼器摒棄了迭代優(yōu)化的方式,將尋找最優(yōu)特征組合的過程加入反向傳播,加速膠囊...

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 卷積神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
        1.2.2 膠囊網(wǎng)絡(luò)研究現(xiàn)狀
    1.3 章節(jié)安排
第二章 膠囊網(wǎng)絡(luò)
    2.1 膠囊網(wǎng)絡(luò)基本概念
    2.2 膠囊網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 膠囊網(wǎng)絡(luò)信息傳播
        2.3.1 正向傳播
        2.3.2 反向傳播
第三章 特征與空間關(guān)系編碼膠囊網(wǎng)絡(luò)
    3.1 問題分析
    3.2 改進(jìn)方案
        3.2.1 特征與空間關(guān)系提取器
        3.2.2 特征與空間關(guān)系編碼器
        3.2.3 反卷積重構(gòu)單元
    3.3 模型搭建
    3.4 實驗結(jié)果對比
        3.4.1 數(shù)據(jù)集
        3.4.2 實驗結(jié)果
    3.5 總結(jié)
第四章 基于特征與空間關(guān)系編碼膠囊網(wǎng)絡(luò)在肺節(jié)點識別上的應(yīng)用
    4.1 問題分析
    4.2 模型設(shè)計
    4.3 模型搭建與參數(shù)設(shè)置
        4.3.1 數(shù)據(jù)集
        4.3.2 模型搭建
        4.3.3 參數(shù)設(shè)置
    4.4 實驗結(jié)果
        4.4.1 評價指標(biāo)
        4.4.2 結(jié)果分析
    4.5 總結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝



本文編號：3863054