CNN得益于全局共享权值和pool操作，具有平移不变性。
对于尺度不变性，是没有或者说具有一定的不变性（尺度变化不大），实验中小目标的检测是难点，需要采用FPN或者其他的方式单独处理。
对于旋转不变性，是基本没有的，实验证明添加旋转样本是一种可靠的样本增强策略，能增强模型对旋转的鲁棒性。
转载于:https://www.cnblogs.com/dingz/p/9259298.html
CNN对位移、尺度和旋转不变性的讨论
最新推荐文章于 2023-05-28 16:38:04 发布
本文探讨了卷积神经网络(CNN)的三大特性：平移不变性、尺度不变性和旋转不变性。CNN通过全局共享权值和池化操作实现平移不变性；对于尺度变化，其具有一定的不变性但检测小目标仍是一大挑战；而旋转不变性则基本不具备，实验证明增加旋转样本可以提升模型的鲁棒性。
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
