論文: Deformable Convolutional Networks

來源:互聯網
上載者:User

標籤:enter   font   主動學習   版本   解決   form   layer   data   net   

論文: Deformable Convolutional Networks

 

 

CNN因為其內部的固定的網路結構,對模型幾何變換的識別非常有限。

 

本paper給出了兩個模組deformable convolution 和 deformable ROI-Pooling來提高CNN的模型變換能力。

 

過去的辦法解決幾何變換的方法,一,使用data Augmentation來增大不同幾何形狀的object,二,使用sift 或者 sliding windows這樣的方法來解決。

 

本paper主要針對三個module進行了deformable的改進,deformable Convolution, deformable ROI-Pooling 和 deformable PSROI-Pooling 

這裡主要講 conv layer 的 deformable Conv 版本。

 

 

 

本paper是使用公式

 針對p0點的像素點,使用Pn是之前conv的方法,添加了^P 來作為offset,其中^P是一個非常小的量。 而這個offset是由

得到的,G(. , .) 是 bilinear interpolation kernel。

 

在訓練中,同時對conv kernel和offsets進行學習。
其中,該deformable conv kernel的求導為:

 

 


這paper的目的是augmentating空間樣本點和RoI-pooling得到額外的offset量,同時在learning 中學習到offset量。

 

本人觀點:

利用deformable offset 來學習每一個 pixel 的位移量,從而主動學習到object的region。改變了過去方方正正的 object region,可以learn到deformable的region。

 

論文: Deformable Convolutional Networks

相關文章

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.