Hinton等学者探索流体胶囊网络的无监督组件表征
胶囊网络旨在将一张图像解析为具有层次结构的对象、组件和关系。尽管很有潜力,但无法高效学习低级组件描述仍然限制了胶囊网络。为了解决这个问题,包括Hinton在内来自多伦多大学和谷歌研究院的研究者提出了一种新颖的自我监督方法,用于学习一张图像的组件描述符。在训练阶段,研究者将运动(motion)作为组件定义的有力感知线索,并使用表达解码器进行组件生成和具有遮挡的分层图像形成。 实验表明,在存在多个对象、混乱背景和明显遮挡的情况下,我们可以发现鲁棒的组件。