流式网络的应用

近来，流式网络（STnets）作为一种对噪声 corrupted 图像进行分类的鲁棒机制被提出。STnets是一类卷积神经网络，由多个具有不同输入且输出被拼接并送入单一联合分类器的神经网络（流）组成。原论文已阐明STnets如何在图像被不同强度随机置零噪声破坏时，成功对Cifar10、EuroSat和UCmerced数据集的图像进行分类。本文中，我们证明STnets能够对受高斯噪声、雾、雪等破坏的图像（Cifar10 corrupted数据集）以及低光照图像（Carvana数据集子集）进行高精度分类。我们还引入了一种称为混合STnets的新型STnets。由此，我们说明STnets是一种当原始训练数据集被噪声或其他导致原始图像信息丢失的变换破坏时，进行图像分类的通用工具。