利用空间变换网络如何将椭圆转换成正圆?
发布网友
发布时间：2022-04-29 21:38
我来回答
共2个回答
热心网友
时间：2022-06-23 08:21
CNN分类时，通常需要考虑输入样本的局部性、平移不变性、缩小不变性，旋转不变性等，以提高分类的准确度。这些不变性的本质就是图像处理的经典方法，即图像的裁剪、平移、缩放、旋转，而这些方法实际上就是对图像进行空间坐标变换，我们所熟悉的一种空间变换就是仿射变换，图像的仿射变换公式可以表示如下：
这里写图片描述
式中，(xSource,ySource
)表示原图像像素点，(xTarget,yTarget
)表示仿射变换后的图像像素点。系数矩阵θ
即为仿射变换系数，可以通过调整系数矩阵θ
，实现图像的放大、缩小、平移、旋转等。
那么，神经网络是否有办法，用一种统一的结构，自适应实现这些变换呢？本文提出了一种叫做空间变换网络（Spatial Transform Networks， STN）的网络模型,该网络不需要关键点的标定，能够根据分类或者其它任务自适应地将数据进行空间变换和对齐（包括平移、缩放、旋转以及其它几何变换等）。在输入数据空间差异较大的情况下，这个网络可以加在现有的卷积网络中，提高分类的准确性。
本文所提的空间变换网络的主要作用在于：
1.可以将输入变换为网络的下一层期望的形式；
2.可以在训练的过程中自动选择感兴趣的区域特征；
3.可以实现对各种形变的数据进行空间变换;
这里写图片描述
例如对于上图中输入手写字体，我们感兴趣的是*框中的包含数字的区域，那么在训练的过程中，学习到的空间变换网络会自动提取*框中的局部数据特征，并对框内的数据进行空间变换，得到输出output。
2. 空间变换网络原理详解
所谓空间变换网络，实际上是在神经网络的某两层之间引入一个空间变换网络，该空间变换网络包括两个部分，网络结构如下图所示：
这里写图片描述
第一部分为为”localization net”，其用于生成仿射变换系络结构进行设计，”localization net”网络中的参数则为空间变换网络需要训练的参数;第二部分就是空间变换即仿射变换。通过该局部网络产生仿射变换系数θ
（也可以是其他类型的空间变换，可以根据需要设计局部网络得到对应的空间变换系数θ
，本文只以仿射变换为例进行讲解），得到仿射变换系数θ
后我们就可以对上一层的输入进行仿射变换，并将仿射变换结果输入到下一层。例如上图中， U是输入图像或CNN某一层的feature map， V是仿射变换后的feature map，U与V中间夹着的就是“空间变换网络”，如上所说该空间变换网络中，”localization net”为用于生成仿射变换系数θ
，
热心网友
时间：2022-06-23 08:21
利用空间转换的网络，如果将椭圆转换成原的话，那么你可以把这个椭圆拉长就可以没能源。
