我想知道CNN的基本架构是否具有旋转等方差性质？我只知道平移等方差，但不确定旋转。
根据我的搜索，可以通过旋转输入图像进行训练来实现旋转等方差。我真的需要这样做吗？旋转度有多大？例如，我有一个CNN，可以在横向模式下检测/读取文本。如果我将图像旋转 90 度/使其成为纵向图像，它会给出与原始图像相同的结果/执行相同的效果吗？
您仅在一定程度上具有比例和旋转不变性 - 确切程度可能取决于您的设置。之所以拥有它，是因为包含要素的池可能重叠。
你的建议当然是可能的。您可以随时修改训练数据，添加噪声、旋转、不同的尺度等来实现该目标。但是，您的模型仍然不是完全旋转不变的。也可以修改网络本身以"正确"完成任务。我敢肯定，你在研究过程中偶然发现了平铺的CNN（如果没有，你绝对应该阅读那篇论文）。他们使用TICA进行预训练，在此过程中找到不变的特征。
对于你旋转 90° 的最后一个问题：我建议自己测试一下。如果旋转发生的情况是已知的（例如在移动设备上），我个人会看看手动将图片旋转回 0°（在将其提供给网络之前）是否是给定约束的令人满意的解决方案。这是最简单的方法。