深度学习论文:Deformable ConvNets v2: More Deformable, Better Results及其PyTorch实现

深度学习论文:Deformable ConvNets v2: More Deformable, Better Results及其PyTorch实现

Deformable ConvNets v2: More Deformable, Better Results PDF: ​​​​​有效感受野（Effective receptive fields）有效采样/bin位置（Effective sampling/bin locations）和错误边界显著性区域（Error-bounded saliency regions）三个角度去分析Deformable ConvNets v1的性能. 如下图

发现 基于常规卷积层的深度网络对于形变目标有一定的学习能力, Deformable ConvNets v1对于形变目标的学习能力要比常规卷积强，能够获取更多有效的信息。但是 Deformable ConvNets v1由于会受到无关的图像内容影响几何,导致变化适应性表现得不好.

因此V2在V1的基础上,做了如下改进:

更广泛应用可变形卷积，在更多层上使用可变形卷积在原有基础上不仅加上偏移（offset），而且加上幅值（amplitude）的控制, Deformable Conv v1只学习offsetFeature Mimicking让roi-pooling之后的feature更像直接用R-CNN学到的feature

PyTorch代码:

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。