一种基于CNN的散射变换的旋转方法

摘要：

深卷积神经网络的精度与输入的数据有关,当输入的数据为非正常角度数据时,相关网络的处理精度较低.因此,为了提高处理精确度,提出了一种对输入旋转不变的卷积神经网络.该网络主要基于散射变换中存在的旋转变换特性和一系列的三维卷积.这种结构能够在无角度标注数据的情况下预测角度.此外,预测器可以将输入的随机旋转连续映射到预测的圆形空间.在实验中,利用垂直角度和随机旋转角度的样本对训练结果进行了验证.结果表明该网络具有较好的精确度.

关键词：卷积神经网络、图像分类、图像旋转、小波散射

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：教育部重点课题DRA110425

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：11-13,31