空间变换器网络（Spatial Transformer Networks，STN）是一种可微分的模块，旨在增强神经网络的空间变换能力，使其能够在输入特征上自动进行相应的空间调整。传统的卷积神经网络在处理图像时，通常假设输入图像的对象位置和尺寸与训练数据一致。然而，在实际应用中，图像中的对象可能存在不同的比例、旋转、平移等变化，这可能会影响模型的性能。

空间变换器网络的引入就是为了解决这一问题。它允许网络在前馈过程中自行学习如何调整输入数据，使得输出结果更加鲁棒。一个典型的空间变换器网络由三个主要部分组成：

1. 定位网络（Localization Network）：

   • 接受输入特征并预测一个参数化的仿射变换。这一部分本身可以是任意的测地模型（如小型CNN），输出变换参数（通常是6个用于二维仿射变换）。

2. 网格生成器（Grid Generator）：

   • 根据定位网络输出的变换参数，生成坐标网格，用于定义输入图像空间中的像素如何映射到输出图像空间。

3. 采样器（Sampler）：

   • 使用生成的网格，将输入特征的像素重新取样到目标输出图像空间，通常采用双线性插值等方法进行采样。

通过引入STN，网络可以直接在任务的损失函数上进行端到端训练，从而自动优化空间变换参数，使得处理复杂视觉任务时表现更佳。STN可以嵌入到现有的深度学习架构中，无缝增强模型的变换不变性和适应性。