S2P-Net：用于低数据机制下旋转不变物体识别的频谱-空间极坐标网络
计算机视觉与模式识别
2026-05-12 v1 人工智能
摘要
我们提出了 S2P-Net（频谱-空间极坐标网络），一种无需数据增强即可实现数学保证旋转不变性的紧凑深度学习架构。在本文中，我们还与其他神经网络架构（CNN）进行了比较。请查看结果，如有任何问题请随时与我联系。这是我的第一篇论文:) 由 Hackbert 制作。
引用
@article{arxiv.2605.09667,
title = {S2P-Net: A Spectral-Spatial Polar Network for Rotation-Invariant Object Recognition in Low-Data Regimes},
author = {Albert Heruth},
journal= {arXiv preprint arXiv:2605.09667},
year = {2026}
}
备注
9 pages, 4 figures, 3 tables. Preprint. Code available from the author upon request