【学习】纯干货：深度学习实现之空间变换网络-part1

本文介绍了仿射变换和双线性插值在图片变换中的应用。

我的“深度学习论文实现”系列的前三个博客将涵盖2016年由Google Deepmind的Max Jaderberg, Karen Simonyan, Andrew Zisserman and Koray Kavukcuoglu提出的空间变换网络概念。空间变换网络是一个可学习模型，旨在提升卷积神经网络在计算和参数方面的空间恒定性。

在第一部分中，我们将介绍两个非常重要的概念，在理解空间变化层次的内在工作机制上起决定性作用。我们将从检验一个基于仿射变换的图像变换技术的子集开始，然后深入到服从双线性插值的一般变换过程。

在第二部分中，我们将细细重温空间变化层次并总结这篇论文。在最后的第三部分中，我们将用scratch在TensorFlow上编程并将其应用到 GTSRB 数据集 （德国交通标志识别标准）上。