基于胶囊网络的图像识别研究报告.docVIP

基于胶囊网络的图像识别研究报告

一、胶囊网络的核心原理与技术架构

（一）胶囊的定义与特性

胶囊是胶囊网络的基本组成单元，本质上是一组具有方向、位置、大小等属性的向量集合，与传统卷积神经网络（CNN）中的标量神经元形成鲜明对比。每个胶囊的输出向量不仅包含特征的存在概率，还通过向量的长度和方向编码特征的姿态信息，如物体的旋转角度、缩放比例和空间位置。例如，在识别“汽车”这一目标时，胶囊网络中的“汽车胶囊”会输出一个向量，其长度代表图像中存在汽车的概率，向量方向则对应汽车的朝向、大小等空间属性。

（二）动态路由机制

动态路由是胶囊网络实现特征层级化传递的核心算法，解决了传统CNN中特征池化导致的空间信息丢失问题。该机制通过迭代更新胶囊间的耦合系数，实现低层胶囊向高层胶囊的精准信息传递。具体过程为：首先，低层胶囊对高层胶囊进行初始预测；然后，根据预测结果与高层胶囊实际输出的相似度，动态调整耦合系数；最后，通过加权求和得到高层胶囊的输出向量。这种类似“投票”的机制，确保了特征在不同层级间的有效传递，尤其适用于处理具有复杂空间变换的图像。

（三）胶囊网络的典型架构

目前，主流的胶囊网络架构以SaraSabour等人提出的CapsNet为代表，主要由卷积层、主胶囊层和数字胶囊层组成。卷积层负责提取图像的初级特征，如边缘、纹理等；主胶囊层将卷积层的输出转换为胶囊形式，每个胶囊对应一组初级特征的组