二维傅里叶图像预处理对DNN网络的影响研究

二维傅里叶变换（2D fourier）反映图像的频域信息。传统的机器学习算法，如深度神经网络（DNN）和卷积神经网络（CNN），使用原始图像作为训练集。本文对训练集图像进行预处理，并将二维傅里叶变换图像作为训练集的输入。研究了DNN网络对分类精度和收敛速度的影响。提出了一种基于二维傅里叶与原始图像加权组合的图像预处理算法。该算法在公共数据集fashion MNIST上进行了验证。多个对比实验的结果表明，在相同密度下，图像预处理算法对DNN网络的分类精度没有负面影响，但可以提高DNN网络训练的收敛速度。