基于图像偏移角和多分支卷积神经网络的旋转不变模型设计

来源：电子与信息学报杂志2024年第12期北京时间：

作者：张萌, 李响, 张经纬

单位：1.东南大学集成电路学院 南京 2111892.兰州大学物理科学与技术学院 兰州 730000

摘要：卷积神经网络(CNN)具有平移不变性，但缺乏旋转不变性。近几年，为卷积神经网络进行旋转编码已成为解决这一技术痛点的主流方法，但这需要大量的参数和计算资源。鉴于图像是计算机视觉的主要焦点，该文提出一种名为图像偏移角和多分支卷积神经网络(OAMC)的模型用于实现旋转不变。首先检测输入图像的偏移角，并根据偏移角反向旋转图像；将旋转后的图像输入无旋转编码的多分支结构卷积神经网络，优化响应模块，以输出最佳分支作为模型的最终预测。OAMC模型在旋转后的手写数字数据集上以最少的8 k参数量实现了96.98%的最佳分类精度。与在遥感数据集上的现有研究相比，模型仅用前人模型的1/3的参数量就可将精度最高提高8%。

关键词：深度学习, 旋转图像分类, 偏移角, 多分支卷积神经网络

基金资助：广东省重点领域研发计划(2021B1101270006)