Depthwise Separable Convolution也就是深度可分离卷积,应该见过吧,它其实是由depthwise卷积和pointwise卷积组合而成,同样可以用来提取图像特征,但是它的计算量相对来说要小很多,所以一些轻量模型用了深度可分离卷积比如mobilenet。(以下无标注则均无padding,stride=1)

Depthwise Convolution

DW卷积操作中,每一个卷积核是只负责一个通道的,这与普通卷积一个卷积核负责几个通道是不一样的。比如一个5*5*3的彩色图片作为输入,使用普通卷积那么卷积核就可以设置为3*3*n(n为输出通道数),而DW卷积则为3*3*3(卷积核的数量要与输入通道数量一致),所以一个卷积核只能负责一个通道。

 PW卷积

其实在我看来pw卷积就是普通的1*1卷积(个人理解),其卷积核为1*1*n(n为要输出的通道数),pw卷积可以在深度上对输入图片进行融合。

之所以PW和DW卷积配合使用是因为,在经过DW卷积后,不同的通道之间的空间位置信息不能利用,所在再经过PW卷积进行深度融合就可以将其通道信息利用,从而组成了深度可分离卷积。

转置卷积

转置卷积也被人叫做反卷积或者逆卷积,其实正确的叫法就是转置卷积,并不是卷积之后通过转置卷积再得到原来的特征图,转置卷积所得到的上采样特征图中的数值与原特征图并不一样,所以反卷积或者逆卷积的叫法是不好的。在做转置卷积时需要将卷积核进行翻转以及对原图的填充。具体可参考转置卷积(Transposed Convolution)_太阳花的小绿豆的博客-CSDN博客_转置卷积,强推。

膨胀卷积

话不多说直接上图:

膨胀卷积在标准卷积的基础上,增加一些空洞,使得在卷积时能够包括更大的感受野。

DW卷积、PW卷积、转置卷积、膨胀卷积(空洞卷积)、可变形卷积一次看个够相关推荐

  1. Deformable Convolutional可变形卷积回顾

    点击上方"AI公园",关注公众号,选择加"星标"或"置顶" 作者:Sik-Ho Tsang 编译:ronghuaiyang 导读 使用可变形 ...

  2. 可变形卷积学习(RepPoints)

    近来在学习anchor-free网络,看到了可变形卷积(Deformable Convolutional Networks(DCN))的内容,大致总结一下,便于后面回顾. 可变形卷积可从以下三篇论文去 ...

  3. 可变形卷积系列(三) Deformable Kernels,创意满满的可变形卷积核 | ICLR 2020

    论文提出可变形卷积核(DK)来自适应有效感受域,每次进行卷积操作时都从原卷积中采样出新卷积,是一种新颖的可变形卷积的形式,从实验来看,是之前方法的一种有力的补充.   来源:晓飞的算法工程笔记 公众号 ...

  4. 可变形卷积(Deformable Conv)原理解析与torch代码实现

    1. 可变形卷积原理解析 1.1 普通卷积原理 传统的卷积操作是将特征图分成一个个与卷积核大小相同的部分,然后进行卷积操作,每部分在特征图上的位置都是固定的. 图1 普通卷积过程 图1所示为普通卷积在 ...

  5. 可变形卷积:DCNv1and DCNv2

    目录 1.DCNv1 2.DCNv2 1.DCNv1 可变形卷积顾名思义就是卷积的位置是可变形的,并非在传统的N × N的网格上做卷积,这样的好处就是更准确地提取到我们想要的特征(传统的卷积仅仅只能提 ...

  6. DL之CNN:卷积神经网络算法简介之卷积矩阵、转置卷积(反卷积Transpose)、膨胀卷积(扩张卷积Dilated/带孔卷积atrous)之详细攻略

    DL之CNN:卷积神经网络算法简介之卷积矩阵.转置卷积(反卷积Transpose).膨胀卷积(扩张卷积Dilated/带孔卷积atrous)之详细攻略 目录 卷积矩阵的简介 卷积.转置卷积--Tran ...

  7. 深度学习中常见卷积(普通卷积、1×1卷积、转置卷积、可分离卷积、膨胀(空洞)卷积、3D卷积)

      总是在网络上看到各种名词的卷积,但是有搞不懂是什么含义,于是结合网上查阅的资料,总结一下.目前比较常用的卷积主要有常规的卷积.1×1卷积.转置卷积.可分离卷积.膨胀卷积.3D卷积.   以下是一些 ...

  8. 分组卷积/转置卷积/空洞卷积/反卷积/可变形卷积/深度可分离卷积/DW卷积/Ghost卷积/

    文章目录 1. 常规卷积 2. 分组卷积 3. 转置卷积 4. 空洞卷积 5. 可变形卷积 6. 深度可分离卷积(Separable Convolution) 6.1 Depthwise Convol ...

  9. 一文看懂膨胀(空洞)卷积(含代码)

    前言:本文的个别内容.图片出自各个博客,但是因时间较久目前找不到原作者链接,如有需要,烦请各位原作者联系我. 目录 一.什么是膨胀卷积?为什么要用膨胀卷积 二.膨胀卷积的特点(优点) 三.膨胀卷积特点 ...

最新文章

  1. c++exe程序在别人电脑上双击无法打开_电脑换新系统的应用可以这样快速迁移
  2. linux编程下signal()函数
  3. python接口测试面试题及答案_100道接口测试面试题收好了!【建议收藏】
  4. zabbix监控apache
  5. 0x84bb0001 sqlserver_sqlserver 实现收缩数据库日志操作
  6. 仿IOS应用APP下载页源码
  7. 手工收集awr报告_一个Oracle小白的AWR报告分析(一)
  8. 无人车企哪家强?通用第一Waymo第二,苹果特斯拉进黑榜
  9. 高可用Kubernetes集群原理介绍
  10. TM1640数码管控制器移植STM32HAL库
  11. 期待已久的屏幕录像专家2021
  12. 学习Spring框架这一篇就够了
  13. 教你炒股票13:不带套的操作不是好操作!
  14. html excel导出的路径,html 导出多个excel表格数据-如何将html页面中的表格导出到excel表格...
  15. 1、misa统计SRR结果
  16. 我问了10个博客专家好友,原来他们都在用这些高效率软件
  17. 数商云智慧医疗管理系统解决方案:医药电商系统实现智能化改造
  18. 2020.11.18第十三章 事件(事件处理程序;事件对象;事件类型:UI事件;焦点事件;鼠标与键盘事件 变动事件 模拟事件)
  19. c#使用Aspose实现Word域套打
  20. 新员工培训记录(2010.08.06 )

热门文章

  1. php-调用阿里云第三方短信接口
  2. Open3d图形界面之3D显示控件
  3. 微信小程序性能,行为收集探针实现
  4. 面板7.8如何降级到7.7,关闭绕过强制绑定手机账号教程
  5. 不要再被别人忽悠了,短视频的玩法真的不是他慢的说的那样,不要走弯路了
  6. Tryton 相关软件简介及名字背后的神话
  7. 云运维给企业带来的价值
  8. C语言/C++常见习题问答集锦[八十三]之数据结构顺序表(operand types are error: no match for “operator==“)
  9. 程序员的节日1024
  10. 拉普拉斯矩阵特征向量的几个关键性质证明