GMConv：调制卷积核的有效感受野
计算机视觉与模式识别
2023-04-21 v3
摘要
在卷积神经网络中，卷积通常使用具有固定 N × N 感受野（RF）的正方形核进行。然而，对网络最重要的是有效感受野（ERF），其指示了输入像素对输出像素的贡献程度。受 ERF 通常呈现高斯分布这一特性的启发，我们在本工作中提出高斯掩码卷积核（GMConv）。具体而言，GMConv 利用高斯函数生成同心对称掩码，将其置于卷积核上以精炼感受野。我们的 GMConv 可直接替换现有 CNN 中的标准卷积，并可通过标准反向传播轻松进行端到端训练。我们通过图像分类和目标检测任务上的大量实验评估了我们的方法。在多个任务和标准基模型上，我们的方法均优于标准卷积。例如，在 AlexNet 和 ResNet-50 上使用 GMConv，ImageNet 分类的 top-1 准确率分别提升了 0.98% 和 0.85%。
引用
@article{arxiv.2302.04544,
title = {GMConv: Modulating Effective Receptive Fields for Convolutional Kernels},
author = {Qi Chen and Chao Li and Jia Ning and Stephen Lin and Kun He},
journal= {arXiv preprint arXiv:2302.04544},
year = {2023}
}
备注
10 pages, 8 figures