卷积神经网络（CNN）定义了一个非常强大的分类模型，但仍然受限于缺乏在计算和参数效率上对输入数据空间不变性的能力。本文我们引入一种欣的学习模块Spatial transformer(ST)，它让网络明确地利用了数据的空间信息。这种可导的模块可以插入到现有的卷积结构中，赋予网络在不需要额外训练监督或者修改优化过程的情况下，基于特征图本身进行空间变换的能力。我们展示了空间变换网络的利用让模型学习了对平移、尺度变换、旋转和更多常见的扭曲的不变性，这也使得模型在一些基准数据集和变换分类上效果最好。

论文解读

https://blog.csdn.net/u011961856/article/details/77920970/

原文

原文