
目录
一、【LDConv】卷积
1.1【LDConv】卷积介绍

下图是【LDCNV】的结构图,让我们简单分析一下运行过程和优势
- 工作流程:
- 输入处理(Input):输入是一个大小为 𝐶×𝐻×𝑊的特征图。
- 卷积生成偏移量(Conv2d for Offset Generation):通过一次常规卷积操作(Conv2D)来生成对应的 偏移量(Offsets)。这些偏移量的形状为 2𝑁×𝐻×𝑊,其中 𝑁表示采样点的数量(通常是卷积核大小的平方,如3x3卷积核对应9个点)。生成的偏移会调整特征图中每个位置的采样点。
- 生成采样点(Generating Sample Points):使用一个基准采样网格,这个网格基于常规卷积核位置的坐标定义。然后,利用之前生成的偏移量对这些采样点进行调整,形成修正后的采样点。
- Resample(重采样):对于每个输入点,在其修正后的坐标上进行特征的采样,这就是“Deformable”卷积的核心机制。在每个卷积核的操作中,使用
订阅专栏 解锁全文
2289



被折叠的 条评论
为什么被折叠?



