STN_空间变换网络
深度卷积网络虽然已经在很多领域取得了较好的效果，但这些模型依旧十分脆弱。例如，对一幅图像进行平移、旋转和缩放等操作后，会使原有的模型识别准确度下降，这种现象可以理解为深度卷积网络的一个通病，一般可以从两方面入手：
空间变换网络（Saptial Transformer Network，STN）模型，是仿射变换领域最基础的文字识别模型之一。该模型的功能是，在训练过程中自动学习对原始图片进行平移、缩放、旋转等扭曲变换的参数，将输入图片的内容调整变成统一的模式，以便被更好地识别。
文章目录
- STN_空间变换网络
- 一、随机生成模拟数据集
- 二、STN的组成结构
- 三、整体模型结构
- 四、训练过程
- 五、深入思考
- 六、源码
- 七、相关链接
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/17668.html