旋转环、径向及深度可分离径向卷积
计算机视觉与模式识别
2021-01-19 v3
摘要
简单的图像旋转会显著降低深度神经网络的精度。此外，用所有可能旋转进行训练会增大数据集，也延长训练时长。本工作中，我们处理可训练的旋转不变卷积以及网络的构建，因为全连接层仅在一维输入下才能旋转不变。一方面，我们展示了我们的方法针对不同模型与不同公开数据集是旋转不变的。我们也讨论了纯旋转不变特征对精度的影响。本工作提出的旋转自适应卷积模型比普通卷积模型计算更密集。因此，我们也给出了一种深度可分离的径向卷积方法。CUDA 代码链接 https://atreus.informatik.uni-tuebingen.de/seafile/d/8e2ab8c3fdd444e1a135/
引用
@article{arxiv.2010.00873,
title = {Rotated Ring, Radial and Depth Wise Separable Radial Convolutions},
author = {Wolfgang Fuhl and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:2010.00873},
year = {2021}
}