#尺度不变性

分级卷积网络：无需尺度参数的尺度不变性与抗模糊鲁棒性

分级卷积网络利用图像高斯射流的分级向量空间结构，通过回缩操作实现无需尺度参数的尺度不变性，并在未知高斯模糊下显著提升鲁棒性。MNIST实验显示，两像素模糊下准确率保持88.4%，优于尺度归一化导数的66.2%。