长短期记忆空间变换网络
图像与视频处理
2019-09-02 v1
摘要
空间变换网络（STN）已以分层形式与卷积网络结合使用，以使模型能够在空间上变换数据。本文中，我们提出一种组合的空间变换网络（STN）与长短期记忆网络（LSTM），用于对由 MINST 元素构成的序列中的数字进行分类。该 LSTM-STN 模型具有源自 LSTM 层的自顶向下注意力机制，使得 STN 层能在空间变换过程中对语句执行短期独立元素处理，从而避免对整个序列进行空间变换时可能引起的失真。它也避免了该失真对后续使用卷积神经网络进行分类过程的影响，并实现了 1.6% 的单数字错误率，而带 STN 层的卷积神经网络为 2.2%。
引用
@article{arxiv.1901.02273,
title = {Long Short-Term Memory Spatial Transformer Network},
author = {Shiyang Feng and Tianyue Chen and Hao Sun},
journal= {arXiv preprint arXiv:1901.02273},
year = {2019}
}