在 CIFAR10 上是否有任何 Capsnet 实现比普通 CNN 具有更高的准确性？
Is there any Capsnet Implementation on CIFAR10 that achieve better accuracy than common CNN?
我基于 Sara Sabour 和 Hinton 的文章通过 EM-Routing 实现了胶囊网络，它在 MNIST 数据集和其他一些与 MNIST 相同的灰度数据集上运行良好，例如 Hoda（Persian/Arabic 数字）但是当我在 CIFAR10 上试过，准确率低得令人难以置信。
是的，这就是胶囊网络当前的问题。由于数据集的简单性，它与 MNIST 配合得很好。您只需要检测一些边缘和斑点，以便对每个数据进行分类。对于更复杂的数据集，天真地堆叠胶囊并希望它表现良好是行不通的。然而，目前正在开展工作以调整当前的 CapsNet 架构，使其性能比现在更好。当年开发CNN的时候，也有这个同样的问题。 CNN 用了很多年才成为现在的样子。
如果您想了解 CapsNet 在不同数据集上的性能，请参阅这篇论文：https://arxiv.org/abs/1712.03480
之前我提到过正在做一些工作来改进 CapsNet。但是，到目前为止已经完成了一些工作。你可以参考这些：
http://proceedings.mlr.press/v97/jeong19b/jeong19b.pdf
请记住，训练 CapsNet 所需的时间比 CNN 长得多。因此，测试这些架构并不容易。
我基于 Sara Sabour 和 Hinton 的文章通过 EM-Routing 实现了胶囊网络，它在 MNIST 数据集和其他一些与 MNIST 相同的灰度数据集上运行良好，例如 Hoda（Persian/Arabic 数字）但是当我在 CIFAR10 上试过，准确率低得令人难以置信。
是的，这就是胶囊网络当前的问题。由于数据集的简单性，它与 MNIST 配合得很好。您只需要检测一些边缘和斑点，以便对每个数据进行分类。对于更复杂的数据集，天真地堆叠胶囊并希望它表现良好是行不通的。然而，目前正在开展工作以调整当前的 CapsNet 架构，使其性能比现在更好。当年开发CNN的时候，也有这个同样的问题。 CNN 用了很多年才成为现在的样子。
如果您想了解 CapsNet 在不同数据集上的性能，请参阅这篇论文：https://arxiv.org/abs/1712.03480
之前我提到过正在做一些工作来改进 CapsNet。但是，到目前为止已经完成了一些工作。你可以参考这些：
http://proceedings.mlr.press/v97/jeong19b/jeong19b.pdf
请记住，训练 CapsNet 所需的时间比 CNN 长得多。因此，测试这些架构并不容易。