参数大减精度升
针对现有非学习算子深度学习模型几何不变性差、稀疏性不足、忽视方向重要性的问题，提出轻量方向感知网络LDAN，通过ShearletNet捕获多方向特征，方向感知模块突出判别性特征，逐点卷积实现高效整合，实现了精度与效率的双重提升。
郭雨薇 · Wenhao, Zhang · Yupeng, Gao · 焦李成 · Wang, Shuo · Jiabo, Du · 刘芳
Artificial Intelligence Review 2025
通过逐点卷积整合多方向与多尺度特征，显著降低计算资源需求。
通过ShearletNet捕获稀疏几何不变特征，方向感知模块突出判别性特征，带来6.32%的准确率提升。
方向感知模块突出多方向判别特征，并生成多尺度特征，增强对方向重要性的建模。
ShearletNet在三个层级捕获多方向特征，生成稀疏且几何不变的特征表示。