跳到正文
arXiv · 机器人与计算机视觉· Tanush Shaska·· 10 天前AI 评分73

分级卷积网络:无尺度下的尺度不变性与抗未知模糊能力

Graded convolutional networks: scale invariance without the scale and robustness to unknown blur

AI 导读

Tanush Shaska 发布论文提出分级卷积网络(Graded convolutional networks),利用图像高斯射流与退化映射实现尺度归一化,解决未知高斯模糊下的特征提取难题。实验显示该架构在 MNIST 数据集上两像素模糊条件下准确率达 88.4%,优于传统尺度归一化导数网络的 66.2%;在 Lindeberg 网络中则将准确率从 91.5% 提升至 95.1%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org