ILPO-NET：用于三维任意体素模式不变识别的网络
计算机视觉与模式识别
2025-03-21 v3 机器学习
摘要
在现代空间数据分析中，有效识别空间模式并学习其层级结构至关重要。体素数据应用寻求的技术不仅需要保证对平移的不变性，还需保证对模式旋转的不变性。虽然传统方法可以轻易实现平移不变性，但旋转不变性面临多重挑战，仍是一个活跃的研究领域。在此，我们提出了 ILPO-Net（Invariant to Local Patterns Orientation Network，局部模式方向不变网络），这是一种新颖的方法，利用 Wigner 矩阵展开，通过本质上对局部空间模式方向保持不变的卷积操作来处理任意形状的模式。我们的架构无缝集成了这一新的卷积算子，并在 MedMNIST 和 CATH 等多种体素数据集上进行了基准测试。结果表明，其性能优于基线方法，且参数量显著减少——在 MedMNIST 数据集上参数量减少高达 1000 倍。除了这些演示之外，ILPO-Net 的旋转不变性也为跨多个学科的其他应用铺平了道路。我们的代码已在 https://gricad-gitlab.univ-grenoble-alpes.fr/GruLab/ILPO/-/tree/main/ILPONet 公开发布。
引用
@article{arxiv.2403.19612,
title = {ILPO-NET: Network for the invariant recognition of arbitrary volumetric patterns in 3D},
author = {Dmitrii Zhemchuzhnikov and Sergei Grudinin},
journal= {arXiv preprint arXiv:2403.19612},
year = {2025}
}