胶囊网络的文本分类
EMNLP18接受了我们的论文的实现。
要求：代码是用Python（2.7）编写的，并且需要Tensorflow（1.4.1）。
链接到我们最近的胶囊项目： :
ACL19预印本：
资料准备
reuters_process.py提供了清除原始数据并生成Reuters-Multilabel和Reuters-Full数据集的功能。 若要快速入门，请参阅以获取Reuters-Multilabel数据集。 对于其他数据集，请访问。
更多说明
utils.py包含几个包装的基本功能，例如_conv2d_wrapper，_separable_conv2d_wrapper和_get_variable_wrapper等。
这些layers.py实现的胶囊网络包括主胶囊层，卷积胶囊层，胶囊扁平化层和FC胶囊层。
network.py提供了两种胶囊网络的实现以及用于比较的基
2023-03-09 10:35:03
13KB
1
Capsule 概念车模型3D图纸 rhino设计-3DM格式.zip
2022-11-25 20:16:27
164.01MB
自然语言处理，对文本进行分类，也适用于恶意代码API函数序列分类
2022-08-06 18:08:43
9.92MB
1
胶囊网络的Tensorflow实现
要求
tensorflow> = 1.4（也许1.3也应该工作，尽管我没有测试它）
麻木
枕头
科学的
胶囊网络
我试图实现这个想法
文件描述
config.py包含所有需要的超级参数。
utils.py包含有关加载和保存的功能。
model.py具有capsNet和整个模型实现的所有构建块。
train.py用于培训。
eval.py用于评估。
用法
训练
$ python train.py
评估
$ python eval.py
训练
结果
分类
时代
10
测试权限
99.278
重建
2022-05-22 21:08:57
11.19MB
1
功能：针对百度页面设计的广告屏蔽插件
安装步骤:
1、打开chrome,地址栏输入：chrome://extensions/
2、把最右边的developer mode旁边的推子推到最右边，不要关闭该界面，留它待用
3、再找到解压后的“百度药丸 Baidu Capsule_2.3.1_chrome.crx”，点击它，拽入刚才的chrome界面里,松开鼠标,会弹出安装提示,点击确定安装就可以了 至此,插件安装完成了
2022-05-02 14:50:20
118KB
1
与经典的卷积神经网络（CNN）相比，提出的胶囊网络欣顿可以使用更少的网络层来很好地完成分类任务，并以更快的速度达到收敛。 胶囊网络的原理是基于CNN，只是将神经元形式从标量转换为向量，即一个胶囊，然后通过动态路由方法选择适合最终输出的胶囊1 。在胶囊网络的基础上，使用反卷积来还原图像并优化原始图像和还原图像之间的误差。 通过数据增强处理的名为Cohn- Kanade Database Plus（CK +）的经典面部情绪数据库用于进行实验。 最近，分类结果与NAO机器人结合在一起。 NAO机器人可以通过改变眼睛的颜色并说出结果来形象化情感，从而达到将理论与实践相结合的目的。
2022-03-12 14:47:31
235KB
1
堆叠式胶囊自动编码器
这段代码是从。
这是堆叠式胶囊自动编码器（SCAE）的Tensorflow实现，在以下论文中进行了介绍： ， ， 和 ， 。
作者：牛津大学牛津机器人学院和统计系的亚当·科西雷克（Adam R. Kosiorek）
电子邮件：adamk（at）robots.ox.ac.uk
网页： :
这项工作是在亚当（Adam）在多伦多的Google Brain实习期间完成的。
关于该项目
如果查看包含对象的自然图像，您将很快看到可以从各种视点捕获同一对象。 胶囊网络经过专门设计，对于视点变化具有较强的鲁棒性，从而使学习数据效率更高，并且可以更好地概括未见的视点。 该项目介绍了一种新颖的胶囊网络无监督版本，称为堆叠式胶囊自动编码器（SCAE）。 与原始胶囊不同，SCAE是带有仿射感知解码器的生成模型。 这迫使编码器学习与视点变化等价的图像表示，并导致MNIST和S
2021-12-16 17:08:57
113KB
1
胶囊网络
胶囊网络的PyTorch实现，如Sara Sabour，Nicholas Frosst和Geoffrey E Hinton在论文中所述。
2021-11-17 19:51:57
5KB
1
CapsuleNet用于微表达识别
描述
这是用于微表情识别的CapsuleNet论文的源代码，该论文加入了第二次面部微表情识别任务的微表情大挑战。 如果您认为此代码有用，请按如下方式引用我们的论文：
# Bibtex
@INPROCEEDINGS{Quang2019Capsulenet,
author={N. V. {Quang} and J. {Chun} and T. {Tokuyama}},
booktitle={2019 14th IEEE International Conference on Automatic Face Gesture Recognition (FG 2019)},
title={CapsuleNet for Micro-Expression Recognition},
year={2019},
volume={},
nu
2021-09-17 15:53:03
98.26MB
1
EndoSLAM数据集和内窥镜视频的无监督单眼视觉测程和深度估计方法
EndoSLAM数据集概述
我们介绍了一种内窥镜SLAM数据集，该数据集既包含前体数据又包含合成数据。 数据集的离体部分包括标准和胶囊内窥镜记录。 数据集分为35个子数据集。 具体而言，分别存在结肠，小肠和胃的18、5和12个子数据集。
据作者所知，这是已发布的第一个用于胶囊内窥镜SLAM任务的数据集，具有定时6 DoF姿态数据和高精度3D地图地面真相
使用了两种不同的胶囊和传统的内窥镜相机，具有高分辨率和低分辨率，从而产生了不同的相机规格和照明条件。 来自不同相机的图像具有相同器官的不同分辨率和每个相关器官的深度，是所提出数据集的进一步独特功能。 我们还提供了两种类型的无线内窥镜的图像和姿态值，它们在某些方面彼此不同，例如相机分辨率，帧频以及用于检测Z线，十二指肠乳头和出血的诊断结果。
一些子数据集在两个版本中包
2021-09-13 17:16:51
234.36MB
1