🧠 کپسول‌نت (Capsule Networks): انقلابی خاموش در بینایی ماشین

آیا CNNها بی‌نقص‌اند؟ ❌ خیر.
یکی از ضعف‌های بزرگشون، از دست دادن اطلاعات فضایی اجزاء تصویر در لایه‌های Pooling هست.

📌 جفری هینتون برای رفع این مشکل، شبکه‌های کپسولی (CapsNets) رو معرفی کرد:

🔹 هر کپسول یک بردار خروجی می‌ده، نه یک عدد.

طول بردار = احتمال وجود ویژگی
جهت بردار = موقعیت، زاویه، اندازه و…


🔹 به جای "ثبات در برابر تغییرات" (Invariance)، به دنبال "هم‌وردی" (Equivariance) هست. یعنی شبکه درک می‌کنه که شیء با تغییر زاویه یا اندازه، همون شیء باقی می‌مونه.

🔹 مکانیزم Dynamic Routing باعث می‌شه کپسول‌های پایین‌دست (چشم، بینی) توافق کنن و به کپسول بالادست (صورت) وصل بشن → درک واقعی ساختار.

---

✅ مزایا:

♻️داده آموزشی کمتر
♻️مقاومت در برابر حملات تخاصمی
♻️درک عمیق روابط سلسله‌مراتبی


⚠️ چالش: هزینه محاسباتی بالاتر و هنوز در فاز تحقیقاتی
---

📖 بیشتر بخونید:
🔗 مقاله اصلی هینتون
https://arxiv.org/abs/1710.09829


#هوش_مصنوعی #CapsuleNetwork #یادگیری_عمیق #شبکه_عصبی #جفری_هینتون

@rss_ai_ir