多尺度自路由胶囊网络的构建方法

胶囊网络(capsule network,CapsNet)是近些年新提出的一种网络模型.相比于传统卷积神经网络,胶囊网络能有效编码不同特征的空间位置关系,但是其特征提取模块难以捕捉不同尺度的特征信息.为了进一步提升CapsNet的性能,提出了一种多尺度自路由胶囊网络(multi-scale self-routing capsule network,MSSR-CapsNet).首先利用多分支结构改进CapsNet胶囊的生成过程,增加模型多尺度特征提取能力;然后提出了一种胶囊注意力机制,选择性筛选出重要的低级特征;最后在SVHN、CIFAR-10和CIFAR-100数据集上对MSSR-CapsNet进行实验,分类准确率分别为97.46％、91.22％和63.84％.此外,实验结果也验证了改进方法的高效性,有助于提升模型的性能.