論文： Deformable Convolutional Networks

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