FreConv：频率分支与融合卷积网络
计算机视觉与模式识别
2023-04-11 v1
摘要
近期研究表明，利用输入数据的频率信息可以提升网络性能。然而，现有流行的卷积结构并非专为利用数据集中所含频率信息而设计。本文提出一种新颖有效的模块，称为 FreConv（频率分支与融合卷积，frequency branch-and-integration convolution），以替代普通卷积。FreConv 采用双分支架构来提取并融合高频与低频信息。在高频分支中，设计类导数滤波架构以提取高频信息；而在低频分支中采用轻量提取器，因为低频信息通常冗余。FreConv 能够更合理地利用输入数据的频率信息，增强特征表达能力，并显著降低内存与计算开销。在不加任何额外技巧的情况下，各类任务上的实验结果表明，配备 FreConv 的网络持续优于 SOTA 基线。
引用
@article{arxiv.2304.04540,
title = {FreConv: Frequency Branch-and-Integration Convolutional Networks},
author = {Zhaowen Li and Xu Zhao and Peigeng Ding and Zongxin Gao and Yuting Yang and Ming Tang and Jinqiao Wang},
journal= {arXiv preprint arXiv:2304.04540},
year = {2023}
}
备注
Accepted by ICME2023