胶囊网络，是什么？

注：为了便于理解，我在翻译的时 候可能不完全遵循原文句子，部分内容经过理解使用了自己的表达；论文部分原文是英文，我也将其翻译了。

什么是胶囊网络？

胶囊网络是 Geoffrey Hinton 提出的一种新型神经网络结构，为了解决卷积神经网络 （ConvNets） 的一些缺点，提出了胶囊网络。

话不多说，来看看这个听起来就像「一颗一颗药摆在你面前」的网络是怎么样的。

卷积网络有平移不变性

平移不变性是什么呢？假设我们有一个可以分类猫的模型，你给这个模型看一张猫的图片，它会预测出这是一只猫。然后你把猫向左移一下，再展示给这个模型看，它依然会认为这是一只猫，而不会预测出其他的信息。

这样看来好像不错，意味着无论这只猫放在图片的哪个位置，我们的模型都能识别出这是一只猫，好像它表现得还不错。但是有的时候我们需要的是 平移同变性 。

也就是当我们给这个模型展示一张移动到右边的猫的图片时，模型预测的是一只移动到右边的猫；展示一张移动到左边的猫的图片时，模型预测的是一只移动到左边的猫。

为什么要 平移同变性 呢？一般我们给一个模型输入一张人脸的图片的时候，五官都是在正常的位置的，眼睛在眼睛的位置上，鼻子在鼻子的位置上。

但是我们如果把眼睛放在额头上，耳朵放在下巴那，一般的卷积神经网络还是会认为这是一张脸，因为它有 平移不变性 ，也就是它只认为一张有鼻子有眼睛有嘴巴等特征的脸，就是人脸。让我们来看一下这样一张奇怪的人脸是怎样的。

如果 胶囊网络 像我们所说的那样有 平移同变性 ，那么它就能够识别到人脸的某一部分与另一部分的相对位置不正确，并且把这一部分正确的标注出来：

卷积网络需要大量的数据来泛化

为了使卷积神经网络具有平移不变量，模型必须为每个不同的观测角度学习不同的滤波器，而这样就需要大量的数据来进行。

卷积网络在人类视觉系统上的表现很差

根据 Hinton 所说的，当视觉刺激被触发的时候，大脑里面有一种内在的机制，将低层次的视觉数据「导航」到它认为可以最好地处理这些数据的部分。而卷及网络使用多层滤波器来从底层可视数据中提取高级信息，所以这种 导航机制 就不存在了。

而且，当人类在看一个物体的时候，视觉系统会在坐标系上表示这个物体。就好比我们可以知道一个图形是不是给翻转了。

当我们看到上面的这个字母时，我们是会在脑里边默默地把他旋转到一个它们一般所放置的参考点，类似于：