Capsule Pooling se refiere al proceso mediante el cual se agregan las salidas de cápsulas en una red de cápsulas para generar una representación reducida pero significativa que considera tanto la pose como la información de activación.
Formalmente, Capsule Pooling puede describirse como una función \( P: \{ \mathbf{v}_i \}_{i=1}^n \rightarrow \mathbf{v}_p \), donde \( \mathbf{v}_i \in \mathbb{R}^d \) es la salida vectorial de la i-ésima cápsula y \( \mathbf{v}_p \) es la representación de cápsula agrupada.
La agregación puede realizarse mediante sumas ponderadas, por ejemplo:
\[ \mathbf{v}_p = \sum_{i=1}^n w_i \mathbf{v}_i, \quad \text{con} \quad w_i = \frac{\exp(a_i)}{\sum_{j=1}^n \exp(a_j)} \]
donde \( a_i \) son valores de activación o coeficientes de enrutamiento.
Capsule Pooling se diferencia de los métodos clásicos de pooling por conservar la información de pose y considerar la estructura de la cápsula, lo que conduce a una mejor interpretabilidad y rendimiento del modelo.
Definición:
«Capsule Pooling es un método de agregación en redes de cápsulas que combina las salidas de cápsulas conservando su información de pose y activación para representar eficazmente características espaciales y jerárquicas.»
Fuente:
Hinton, G. E., Krizhevsky, A., & Wang, S. D. (2018). Matrix Capsules with EM Routing. Proceedings of the International Conference on Learning Representations (ICLR).