使用散射变换的旋转不变卷积神经网络用于图像分类
计算机视觉与模式识别
2021-05-24 v1 图像与视频处理
摘要
深度卷积神经网络的精度受输入数据旋转的影响很大。在本文中，我们提出一种对输入中的旋转不变的卷积预测器。该架构能够在无需角度标注数据的情况下预测角向方向。此外，该预测器将输入的随机旋转连续映射到预测的圆空间。为此，我们利用散射变换网络中存在的旋转平移性质以及一系列 3D 卷积。我们通过使用正立和随机旋转的样本进行训练来验证结果。这使得本工作可进一步应用于诸如随机取向数据集的自动重定向等领域。
引用
@article{arxiv.2105.10175,
title = {Rotation invariant CNN using scattering transform for image classification},
author = {Rosemberg Rodriguez Salas and Eva Dokladalova and Petr Dokládal},
journal= {arXiv preprint arXiv:2105.10175},
year = {2021}
}