SA-CapsNet:自注意力胶囊网络

来源：计算机应用研究杂志2021年第10期北京时间：

作者：刘林嵩,仝明磊,吴东亮,

单位：上海电力大学电子与信息工程学院,上海200090；

摘要：胶囊网络（CapsNet）强调对图像特征的空间关系进行编码，但是其特征提取模块难以应对复杂分类场景。为了提升CapsNet的性能，提出了一种具有自注意力（self-attention）特征提取模块的胶囊网络（self-attention capsule network，SA-CapsNet）。首先通过降低胶囊维度，并增加一个中间层来改进CapsNet；然后将SA模块映射到胶囊网络的特征提取层，增加特征提取能力。在MNIST、Fashion MNIST和CIFAR10 数据集上进行实验，分类准确率分别为99.67%、92.21%和82.51%。实验结果验证了改进网络的有效性，整体性能有较大提升。

关键词：胶囊网络,图像分类,自注意力,特征提取,深度学习,