HP-Capsule: Unsupervised Face Part Discovery by Hierarchical Parsing Capsule Network

可解释性

CNN没有具体的位置信息（反思但是能有复杂结构？不然为什么没人使用胶囊网络？）

• Hinton提出“routing-by-agreement”的过程。较底层的特征将只被传递到与匹配的高层。
  

• 胶囊网络同事对空间信息和物体存在概率进行编码，编码在Capsule向量中。（对空间位置编码有很多人都）
  

• 只在minist上表现良好

一些思考

它的核心问题是没有融入到已有的模型架构中（但是作为新模型提出的一部分是否具有可行性）
处于一个由简单到复杂的过程中的（从胶囊网络到下面这篇论文跨度有点大，不如去读一读SCAE）

论文 HP-Capsule: Unsupervised Face Part Discovery by Hierarchical Parsing Capsule Network

摘要/简介/相关工作

• 目前的多层级感知任务主要是手工定义
• Capsule networks, which are designed to present objects by a set of parts and their relationships, are a feasible solution for this unsupervised parsing task.
• human faces, which have homologous structures but diverse appearances.（人脸具有结构一致性，表现多样性）
• 目前水平是手写字体识别（这个任务提升到了人脸分割层次）（为什么胶囊网络没有用到其它方面的原因）

算法

VAF部分（用于人脸重建）

通过蒙版和特征图把人脸切分，切分之后再拼合实现无监督学习

HP部分

把人脸各个部分视为单词，确定单词的相对位置。
使用Kmeans聚类生成子部分的伪标签。
TPM is trained with the shape consistency loss and the pseudo subpart-part relationships generated by clustering. By automatically aggregating subparts into parts, the face hierarchy is naturally built.
使用子部分的一致性和聚类生成的伪标签作为loss。

最后

以上就是美丽金针菇最近收集整理的关于HP-Capsule: Unsupervised Face Part Discovery by Hierarchical Parsing Capsule Network的全部内容，更多相关HP-Capsule:内容请搜索靠谱客的其他文章。