具有高效膨胀率搜索的起始卷积
计算机视觉与模式识别
2021-05-11 v2
摘要
作为标准卷积的一种变体，膨胀卷积能够在不引入额外计算成本的情况下控制有效感受野并处理物体的大尺度变化。为充分挖掘膨胀卷积的潜力，我们提出了一种新型膨胀卷积（称为起始卷积，inception convolution），其中卷积操作在不同轴、通道和层之间具有独立的膨胀模式。为基于数据学习复杂的起始卷积开发实用方法，我们设计了一种简单而有效的搜索算法，称为高效膨胀优化（EDO）。基于统计优化，EDO方法以低成本方式运行，并且在应用于大规模数据集时极其快速。实证结果验证了我们的方法在图像识别、目标检测、实例分割、人体检测和人体姿态估计上均取得了一致的性能提升。例如，仅需将ResNet-50骨干网络中的3x3标准卷积替换为起始卷积，我们便在MS COCO上将Faster R-CNN的AP从36.4%显著提高到39.2%。
引用
@article{arxiv.2012.13587,
title = {Inception Convolution with Efficient Dilation Search},
author = {Jie Liu and Chuming Li and Feng Liang and Chen Lin and Ming Sun and Junjie Yan and Wanli Ouyang and Dong Xu},
journal= {arXiv preprint arXiv:2012.13587},
year = {2021}
}