我是靠谱客的博主 大力橘子,最近开发中收集的这篇文章主要介绍ACNet,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

论文:ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks(ICCV 2019)
代码:https://github.com/DingXiaoH/ACNet

文章目录

    • 动机
    • 非对称卷积
    • 融合方式
    • 相关实验
    • 参考文献

动机

现在一般网络中 3 ∗ 3 3*3 33 卷积核使用最为广泛,为增强特征提取效率,将 3 ∗ 3 3*3 33 的卷积核拆分成几个不同形状卷积核的形式进行训练,推理阶段将其融合为一个 3 ∗ 3 3*3 33 卷积,没有带来额外的计算量,但是提取特征的能力更强。这依赖于卷积操作的可叠加性:

在这里插入图片描述
在这里插入图片描述

非对称卷积

训练阶段

  • 将卷积核分成三个部分(如下图),称为非对称卷积(Asymmetric Convolution),以增强提取特征的能力
  • 横向卷积和纵向卷积可以提升网络对图像翻转的鲁棒性在这里插入图片描述

测试阶段

  • 卷积核完成了融合,在测试时与普通卷积核一样并不增加计算量
    在这里插入图片描述

融合方式

在这里插入图片描述

测试阶段在卷积核融合前BN比融合后BN的效果更好,统一进行BN弱化了不同卷积之间的特点。

相关实验

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

参考文献

【1】ACNet——涨点且不增加耗时的技巧
【2】33卷积+13卷积+3*1卷积=白给的精度提升 | ICCV 2019
【3】ICCV 2019 ACNet实现说明 (PaddlePaddle Version)

最后

以上就是大力橘子为你收集整理的ACNet的全部内容,希望文章能够帮你解决ACNet所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(56)

评论列表共有 0 条评论

立即
投稿
返回
顶部