Classification of Rotated Numeral Using Polar Coordinate Transform Layer and Convolutional Neural Network

임의의 각도로 회전된 물체를 인식하는 문제는 많은 응용 분야에서 필요하지만, 회전 각도에 따라 물체의 모양이 변하기 때문에 전통적인 인식 방법으로 회전된 물체를 인식하기에는 어려움이 있다. 이 논문에서는 물체의 분류에서 뛰어난 성능을 나타내지만, 회전에 민감한 특성을 갖는 일반적인 합성곱 신경망에 극좌표 변환층을 추가하여 회전된 숫자를 분류하였다. 극좌표 변환 결과에서 물체 모양은 일관된 형태이기 때문에 합성곱 신경망을 사용하여 효과적으로 학습되고 분류된다. Rotated MNIST 데이터 세트의 숫자 영상들에 대한 실험 결과 97.3% 분류율을 얻었다. 또한, MNIST 데이터 세트를 다양한 각도로 회전시킨 숫자 영상들에 대한 실험 결과 98.25%의 분류율을 얻었다.