关注文章公众号

对话框回复“CNSV19”获取完整版PPT

胶囊网络（Capsule Networks）图领奖得主Geoffrey Hinton在17年提出的一种新型神经网络结构，可以克服卷积神经网络存在的一些问题。CVPR2019包含了半天的面向计算机视觉的胶囊网络教程，本文介绍其中一篇综述。

胶囊网络提供了一个有效的建模实体间局部到全局关系的方法，并可以学习视角不变表示。通过这种提升的表示学习，胶囊网络可以在多个领域下用更少的参数取得好的性能。最近，胶囊网络在视频中人类行为定位、医学图像目标分割、文本分类等任务上都取得了最好的效果。

CVPR2019包含了多个与胶囊网络相关的教程，本文介绍其中Yogesh Rawat的一篇综述PPT《Capsule Networks: A Survey》，其内容大致如下：

• 简介

• 早期工作

• 基础工作

• 视频胶囊

• 路由

• 动态和EM

• 注意力

• 多模态

• 通用

• 快速动态路由

• 模态

• 视觉：图像和视频

• 文本

• 图

• 3D点云

• 问题领域

• 分类

• 分割

• 定位

• 应用

• 关系抽取

• 对抗检测

• 脑瘤分类

• 乳腺癌检测

附部分预览

历史文章推荐

• AI综述专栏 | 多模态机器学习综述

• 深度学习中不得不学的Graph Embedding方法

• 旷视研究院新出8000点人脸关键点，堪比电影级表情捕捉

• 何恺明团队最新研究：3D目标检测新框架VoteNet，直接处理点云数据，刷新最高精度

• 打开阿兹海默之门：华裔张复伦利用RNN成功解码脑电波，合成语音 | Nature

• 图嵌入（Graph embedding）综述

• 半天2k赞火爆推特！李飞飞高徒发布33条神经网络训练秘技

• 再也不用担心我的公式写不出来了：一款公式输入神器实测

• 【深度学习】一文看尽深度学习各领域最新突破

• 2019 年 12 个深度学习最佳书籍清单！值得收藏

你正在看吗？👇