![[论文翻译]Recurrent Spatial Transformer Networks（RNN-STN）](/uploads/reation/bcimg3.png)
[论文翻译]Recurrent Spatial Transformer Networks（RNN-STN）
0. 摘要我们将STN与RNN结合，提出了RNN-STN模型，并用该模型进行MNIST手写数字识别。该模型单数字的错误在1.5%，相比之下CNN的错误率在2.9%，STN的错误率为2.0%。 STN能输出放大、旋转和倾斜的输入图像。 我们研究了STN的不同下采样因子（输入和输出像素比），表明RNN-STN模型能够在不恶化性能的情况下对输入图像进行下采样。在RNN-STN中的下采样可以被认为是自适应下采样，以最小化感兴趣区域的信息丢失。 我们将RNN-STN的优越性能归因于它可以处理一系列感兴趣的
