capsnet

　　机器之心分析师网络 　　 作者：周宇 　　 编辑：H4O 　　本文对多个版本的胶囊网络进行了详细的介绍。 　　本文以综述的形式，尽可能详细的向读者介绍胶囊网络的诞生，发展过程与应用前景。本文的内容以 Hinton 的标志性文章为基础，结合近年来发表在顶会顶刊的文章为补充，力图详细的让读者们了解胶囊网络的各种版本，熟悉它在不同领域的革命性突破，以及它在目前所存在的不足。 　　深度学习和人工神经网络已经被证明在计算机视觉和自然语言处理等领域有很优异的表现，不过随着越来越多相关任务的提出，例如图像识别，物体检测，物体分割和语言翻译等，研究者们仍然需要更多有效的方法来解决其计算量和精度的问题。在已有的深度学习方法中，卷积神经网络 (Convolutional Neural Networks) 是应用最为广泛的一种模型。卷积神经网络通常简称为 CNN，一般的 CNN 模型由卷积层 (convolutional layer), 池化层(pooling layer) 和全连接层 (fully-connected layer) 叠加构成。 　　在卷积的过程中，卷积层中的卷积核依次与输入图像的像素做卷积运算来自动提取图像中的特征。卷积核的尺寸一般小于图像并且以一定的步长 (stride) 在图像上移动着得到特征图。步长设置的越大，特征图的尺寸就越小，但是过大的步长会损失部分图像中的特征。此外