基于胶囊网络的小量垃圾图像识别及分类

缪 金志, 李 丹
四川大学锦城学院

摘要

虽然现主流的深度学习网络架构学习能力强且具有完美的拟合能力，但其大多需要大量数据的支持且网络较为庞大，而由于某些训练数据样本的标签大量缺失，许多小数量数据集很难从这些优秀的深度学习网络架构中得到有效的训练。

关键词

网络数据；图像

参考

[1]Hinton G E, Krizhevsky A, Wang S D. Transforming auto-en- coders[C]//International conference on artificial neural networks. Springer, Berlin, Heidelberg, 2011: 44-51.

[2]Jayasundara V, Jayasekara S, Jayasekara H, et al. Textcaps: Hand- written character recognition with very small datasets[C]//2019 IEEE winter conference on applications of computer vision (WACV). IEEE, 2019: 254-262.

[3]Sabour S, Frosst N, Hinton G E. Dynamic routing between cap- sules[C]//Advances in neural information processing systems. 2017: 3856-3866.

[4] 黄国维 . 基于深度学习的城市垃圾桶智能分类研究 [D]. 淮南 : 安徽理工大学 ,2019.

[5] 殷和俊 , 杨桂元 . 基于一类损失函数的组合预测模型构建 [J]. 哈尔滨商业大学学报 ( 自然科学版 ),2018,34(01):107-112.