动态区域感知卷积
计算机视觉与模式识别
2021-03-16 v3
摘要
我们提出一种称为动态区域感知卷积（Dynamic Region-Aware Convolution, DRConv）的新卷积，它能自动将多个滤波器分配给具有相似表示的对应空间区域。以此方式，DRConv 在建模语义变化方面优于标准卷积。标准卷积层可通过增加滤波器数量来提取更多视觉元素，但会导致高计算成本。更巧妙的是，我们的 DRConv 借助可学习的引导器将逐通道增加的滤波器转移到空间维度，不仅提升了卷积的表示能力，还保持了与标准卷积相同的计算成本与平移不变性。DRConv 是处理复杂且可变空间信息分布的一种有效且优雅的方法。因其即插即用特性，它可替代任何现有网络中的标准卷积，尤其可为高效网络中的卷积层赋能。我们在广泛模型（MobileNet 系列、ShuffleNetV2 等）与任务（分类、人脸识别、检测与分割）上评估了 DRConv。在 ImageNet 分类上，基于 DRConv 的 ShuffleNetV2-0.5x 在 46M 次乘加运算量级下以 67.1% 的准确率取得最先进（SOTA）性能，相对提升 6.3%。
引用
@article{arxiv.2003.12243,
title = {Dynamic Region-Aware Convolution},
author = {Jin Chen and Xijun Wang and Zichao Guo and Xiangyu Zhang and Jian Sun},
journal= {arXiv preprint arXiv:2003.12243},
year = {2021}
}
备注
Accepted at CVPR 2021