具有旋转运动模糊不变性的卷积神经网络:RMBI-Net

摘要：

针对高速旋转的相机拍摄图像产生的旋转运动模糊带来的目标分类较为困难的问题,本文主要研究手工特征与卷积神经网络(CNN)的结合,在网络结构底层赋予卷积神经网络不变性,提升网络在分类任务中的准确率.本文基于Gaussian-Hermite(GH)矩旋转运动模糊不变量(RMB GHMI),通过计算卷积神经网络隐藏层特征图上的RMB GHMI来实现将旋转运动模糊不变性引入到卷积神经网络中,使网络本身具有一定的旋转运动模糊不变性,并使网络可从受到严重噪声干扰的旋转运动模糊的图像中直接进行目标分类.实验结果表明,在旋转运动模糊后的MNIST数据集上,相对于经典卷积神经网络,本文方法可以将图像分类准确率提升30％左右;在旋转运动模糊后的CIFAR-10数据集上,图像分类准确率可以提升4％ ～16％.

关键词：卷积神经网络(CNN)、旋转运动模糊、目标分类、Gaussian-Hermite(GH)矩、不变量

所属期刊栏目：32

分类号：TP391.41;TN957.54;O641

资助基金：国家重点研发计划;国家重点研发计划;国家重点基础研究发展计划（973计划）;国家自然科学基金

在线出版日期：2022-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：576-586