堆叠胶囊自编码器 Stacked Capsule Autoencoders

本文提出了堆栈式胶囊自编码器（SCAE），该编码器包含两个阶段。在第一阶段，部件胶囊自编码器（PCAE）将图像分割为组成部分，推断其姿态，并将每个图像像素重建为变换组件模板的像素混合。

在第二阶段，目标胶囊自编码器（OCAE）尝试将发现的部件及其姿态安排在一个更小的目标集合中。这个目标集合对每个部件进行预测，从而解释每个部件的姿态。通过将它们的姿态——目标-观察者关系（OV）和相关的目标-部件关系（OP）相乘，每个目标胶囊都会贡献这些混合的一部分。

堆栈式胶囊自编码器在使用未标注数据训练时捕捉所有目标和它们部件之间的空间关系。目标胶囊存在概率的向量倾向于组成紧密的聚类。

当给每个聚类一个分类时，其可以在无监督分类任务上达到当前最佳效果，如 SVHN 数据集上的 55% 和 MNIST 数据集上的 98.5%。以上结果还可以分别提升到 67% 和 99%，而且只需学习不到 300 个参数。

堆栈式胶囊自编码器的两个组成部分为：部件胶囊自编码器（PCAE）和目标胶囊自编码器（OCAE）。在下文中，论文首先介绍了集群自编码器（CCAE），通过一系列数学公式说明自编码器如何分解图像中的部件的过程，然后由此引出堆栈式胶囊自编码器的两个组成部分。

参考：

1. Hinton老爷子CapsNet再升级，结合无监督，接近当前最佳效果;
2. 原论文；