本文是Agent的潜意识系列文章。胶囊网络的本质就是让智能体拥有像人类大脑一样的意识。而CNN还属于粗糙的统计归纳能力范畴。 虽然目前CNN架构的网络在多个视觉任务上优于胶囊网络，这也是很多人诟病hinton的胶囊网络只能玩mnist数据集的点，但恰如最开始的火车跑不过千里马，最开始的打纸计算机计算速度比不上算盘，胶囊网络是要开创一个新的时代，幼年的新生事物也许打不过强大的守旧势力，但终究会取代的。 第一次胶囊网络亮相是在2011年的ICANN ，当初的论文名字叫Transforming auto-encoders，三个作者，hinton和他的两个学生：Alex Krizhevsky, and Sida D. Wang。其中，Alex就是鼎鼎有名的Alexnet的作者，他跟另一个同学Ilya Sutskever（也是hinton的学生）与hinton创办的公司 DNNresearch，在2013年7月8日被谷歌收购。而华裔 sida wang的职场生涯也是很丰富。目前在facebook 做AI科学家。
Alex在2011年发现胶囊网络后，后来觉得CNN落地更加Action,发明了Alexnet，从而开启了CNN波澜壮阔的旅程。但Hinton一直没有忘记胶囊网络，估计很多个深夜他都在像古时候的诗人一样不断推敲：CNN还是capsuleNet。在17年发现可以用动态路由算法训练胶囊网络，又开始了一次革新自我的新的征程：创新者血液里往往流淌颠覆自我的使命！ 那么胶囊网络究竟做了什么改进呢？他究竟核心的机理是什么呢？我们来慢慢解剖。 Hinton花费了数十年的时间思考胶囊网络，到如今迭代了4个胶囊网络版本：1）Dynamic Routing Between Capsules 。2）MATRIX CAPSULES WITH EM ROUTING。3）Stacked Capsule Autoencoders。4）Unsupervised part representation by Flow Capsules。但这些版本都没有绕开过胶囊网络想解决的本质问题：同样是庐山，横看成岭侧成峰，远近高低各不同，但人的大脑识别能力很强，从一个角度看过庐山，从另一个角度看也能认出是庐山；用西方社会的语言就是：
人的大脑可以很容易的识别一个物体，即使他是从不同角度拍摄；例如你看过第一张自由女神像，后几张你就能分辨出这个是自由女神像，但卷积神经网络没有这个能力。如果要卷积神经网络的训练集是第一张图片，能识别后几张图片也是自由女神，他需要做很多的旋转、裁剪、渲染、颜色变幻，即使做了这些数据增强，也不一定识别精度高，因为拍摄角度的不一样跟数据增强得到的旋转角度不同。这个时候，就需要更多的丰富特征的数据集来训练CNN，例如多拍摄更多的角度的自由女神像，这样的话，CNN就学会了更多角度。泛化能力更强一些。 世界上所有规律都可以用一个方程来表示，如果一个不够就两个。 这个问题的数学表达式非常简单：假设有一个识别模型F(x)=w,其中F是通过训练数据集训练出来的模型参数拟合出的函数映射，X是自变量，W是识别的标签。如果有一个新的函数映射T，T可以是旋转变换或者是另一个角度拍摄自由女神像，那么CNN的函数表达式为F(Tx) = Tw，这样导致的问题是拍摄角度一变，预测的标签就变了。而胶囊网络的函数表达式为F(Tx)=w，就是说对X施加旋转等变换，他预测的标签label值没有变。 整个胶囊网络的全貌资料，我都整理好了。包括四个版本、代码、和新近跟进的工作，也包括最新的综述论文。需要的关注公众号，回复 胶囊网络
原文作者：Agent的潜意识；如有侵权，请联系管理员删除。
