【论文精读】低参数的大感受野可变形卷积层插件——OBELISK

稀疏卷积 Sparse Convolution Net 概述 这是一篇对稀疏卷积讲述非常全面的文章,理解起来毫不费事。这里要和SPConv相区别,这是两个完全不同的东西。SPConv是为了解决普通33卷积算子参数冗余而设计的,一种“即插即用”计算单元,可以随时随地替换普通33卷积算子,可以用来提高模型推理速度吧。跟剪枝算法差不多。 下面要讲述的是稀疏卷积Sparse Convolution Net,转载自https://zhuanlan.zhihu.com/p/383299678,写的十分详细。通俗易懂,方便读者理解。 简介 ​ 稀疏卷积常用于3D项目(如3D 阅读详情

OBELISK1

Abstract

Deep CNN 通过在端到端可训练的体系结构中用学习的卷积滤波器取代手工制作的特征提取功能,在大多数图像分析任务中达到了 SOTA。尽管如此,卷积核规格仍需经过大量人工设计——卷积操作的感受野的形状和大小是一个非常敏感的部分,必须针对不同的图像分析应用进行调整。3D全卷积多尺度体系结构(3D-UNet),具有跳跃连接,擅长语义分割和 landmark 定位,但有巨大的内存需求,并且依赖于大量注释数据集,这是医学图像分析中更广泛应用的一个重要限制。

大量的验证实验表明,稀疏可变形卷积的性能是由于它们能够用很少的表达性滤波器参数捕获大的空间上下文,并且学习复杂的形状和外观特征并不总是需要网络深度。与传统 CNN 的结合进一步改善了具有较大形状变化的小器官的描绘

Deep networks have set the state-of-the-art in most image analysis tasks by replacing handcrafted features with learned convolution filters within end-to-end trainable architectures. Still, the specifications of a convolutional network are subject to much manual design – the shape and size of the receptive field for convolutional operations is a very sensitive part that has to be tuned for different image analysis applications. 3D fully-convolutional multi-scale architectures with skip-connection that excel at semantic segmentation and landmark localisation have huge memory requirements and rely on large annotated datasets - an important limitation for wider adaptation in medical image analysis.

Extensive validation experiments indicate that the performance of sparse deformable convolutions is due to their ability to capture large spatial context with few expressive filter parameters and that network depth is not always necessary to learn complex shape and appearance features. A combination with conventional CNNs further improves the delineation of small organs with large shape variations and the fast inference time using flexible image sampling may offer new potential use cases for deep networks in computer-assisted, image-guided interventions.

Introduction and Motivation

为了解决 patch-based 分类的计算耗时长问题,提出了所谓的完全卷积网络(FCN)在编-解码器体系结构中使用内在的多尺度方法和残差(或跳跃)连接,以在精度和计算需求之间获得良好的权衡,然而仍依赖多达几十个卷积层。我们注意到,大多数医学分割任务只处理不到十几类结构,这就提出了一个问题:是否确实需要具有许多卷积层的非常深的网络才能获得高质量的结果。

To address computational issues of patch-based classification so called fully convolutional networks (FCNs) have been proposed (Long et al., 2015; Ronneberger et al., 2015) that use an intrinsic multi-scale approach within an encoder-decoder architecture and residual or skip connections to obtain a good trade-off between accuracy and computational demand, while still relying on dozens of convolutional layers. However, we note that most object and medical segmentation tasks deal with fewer than a dozen classes of anatomy, which raises the question whether very deep networks with many spatial convolution layers are indeed required to obtain high-quality results.

在这项工作中,我们提出了一个扩展卷积的替代概念,其在连续可微空间中学习大而稀疏卷积核的空间滤波器偏移量( b i a s bias bias)和系数( w e i g h t weight weight)。我们坚信,这些能够自动调整滤波器布局的空间可变形卷积核对于提高网络对医学 3D 图像的适用性是一条极其重要的线索。

In this work, we present an alternative concept to dilated convolutions in which both the spatial filter offsets and coefficients of a large and sparse convolutional kernel are learned in a continuous, differentiable space. We strongly believe that these spatially deformable kernels that automatically adapt their filter layout are an extremely important clue to deepen the understanding of the processes within convolutional networks and improve the applicability to medical volumetric data.

Method

image-20211206215650168

使用 im2col 算子在 CNN 中实现传统卷积以提取重叠块,然后使用滤波器组进行矩阵乘法并重塑为预期的特征图尺寸。 OBELISK 中的可变形卷积遵循类似的原理,但用连续采样的空间滤波器偏移布局替换了矩形卷积,该布局添加到特征图坐标(此处为 3×5 网格)和使用 gridsample 算子的双线性插值。滤波器组的后续硬件优化单精度矩阵乘法在计算时间方面同样有效,但可以在单层内捕获更多空间上下文,并且可训练参数很少。

Implementation of conventional convolutions in deep networks using the im2col operator to extract overlapping patches followed by a matrix multiplication with a filter bank and reshaping to the expected feature map dimensions. The deformable convolutions in OBELISK follow a similar principle, but replace the rectangular patch-extraction with a continuously sampled spatial filter offset layout, which is added to the feature map coordinates (here a 3×5 grid) and bilinear interpolation using the gridsample operator. The subsequent hardware-optimised single-precision matrix multiplication of a filter bank is equivalently effective in terms of computation time, but may capture much more spatial context within a single layer and with few trainable parameters.

这一概念可以很容易地集成到常用的 U-Net 或 V-Net 架构中。

为了提高通用性,我们现在将描述用于多通道输入的 OBELISK(2D 情况下),并定义一个更通用的可变形卷积操作:给定一个大小为 B × C i n × H × W B×C_{in}×H×W B×Cin​×H×W 的输入张量(特征图),一个大小为 B × 1 × S s p × 2 B×1×S_{sp}×2 B×1×Ssp​×2 的空间采样张量,一个大小为 1 × K × 1 × 2 1×K×1×2 1×K×1×2 的可变形偏移张量和一个大小为 1 × C o u t × C i n ⋅ K 1 × C_{out} × C_{in} \cdot K 1×Cout​×Cin​⋅K 的权重张量。这里, B B B 是批量大小, C i n C_{in} Cin​ 是输入通道数, C o u t C_{out} Cout​ 是输出通道数, H H H 和 W W W 是输入特征图的长宽, S s p S_{sp} Ssp​ 是空间输出位置的数量, K K K 是可变形卷积核元素的数量。

For improved generality, we will now describe OBELISK for multichannel inputs (for ease of description explained for 2D) and define a more general deformable convolution operation as follows. Given a dense input tensor (feature maps) of size B×Cin×H×W with a spatial sampling coordinate tensor of size B×1×Ssp×2 , a deformable offset tensor of size 1×K×1×2 and a weight tensor of size 1 × Cout× Cin· K are required. Here, B is the batch size, Cinthe number of input channels, Coutthe number of output channels, H and W the spatial dimensions of the input feature map, Ssp the number of spatial output locations, K the number of kernel elements.

在 FCN 架构中使用 OBELISK 层时,必须选择空间采样,以便 S s p S_{sp} Ssp​ 等于用于进一步处理的规则网格。使用 grid sample 操作,输入被采样为 B × C i n × K × S s p B × C_{in} × K × S_{sp} B×Cin​×K×Ssp​ 的大小,类似于经典卷积的 im2col 过程(另请参见图 上图)。

When using OBELISK layers within a fully convolutional architecture the spatial sampling has to be chosen so that Ssp equals a regular grid for further processing. Using the grid sample operation the input is sampled to a new size of B × Cin× K × Ssp similar to the process of im2col for classical convolutions (see also Fig. 1).

Hybrid OBELISK-CNN

image-20211206224955883

高分辨率和中分辨率的传统 CNN 层之后是两个带有空间可变形卷积的 OBELISK 层,这些内核使用(与原始 OBELISK 网络相比)生成的特征图的规则粗网格,并且再次仅使用 1 × 1 过滤器作为用于特征抽象的多层感知器。每个体素都可以独立计算,并且需要在采样位置之间共享的参数少得多(平移不变性)。

最后,我们还探索了一种混合架构,它将 OBELISK 的优势与浅层 U-Net 学习的边缘保留滤波器相结合(见图 4)。对于这个网络,我们使用了两个 OBELISK 层——一个具有 512 个空间滤波器偏移和一个非常粗的规则采样网格(8 个与输入大小的间隔),另一个具有 128 个空间滤波器偏移和一个粗网格(四分之一大小)每个输入维度)——都跟随着一个全卷积的 1×1 密集网络。我们求助于更简单的(一元变体),没有配对或减去偏移量。这些层包含少于 50k 的参数,每个层都使用原始扫描的平滑版本作为输入。它们的输出分别有 32 个和 16 个通道,并连接在一个浅层 U-Net 中,该 U-Net 遵循下表中的基线 U-Net 模型,但删除了参数密集程度最高的层 #6 - #10,因此只有大约 230k 可训练参数保留。

Hybrid OBELISK-CNN: Finally, we also explore a hybrid architecture that combines the advantages of OBELISK with the edge-preserving filters learned by a shallow U-Net (see Fig. 4). For this network, we use two OBELISK layers – one with 512 spatial filter offsets and a very coarse regular sampling grid (spacing of eight w.r.t. the size of the input) and another one with 128 spatial filter offsets and a coarse grid (quarter size of each input dimension) – both followed by a fully-convolutional 1×1 dense-net. We resorted to the simpler (unary variant) were no offsets are paired or subtracted. These layers contain less than 50k parameters and each use a smoothed version of the original scans as input. Their output has 32 and 16 channels respectively and is concatenated within a shallow U-Net that follows the baseline U-Net model in Table 1, but with the most parameter-intensive layers #6 - #10 removed, so that only around 140k trainable parameters remain.

UNet:
Layer(Out) - SizeKernel / Stride# ChannelsSkip
Input 14 4 3 144^3 14431
#1 14 4 3 144^3 1443 3 × 3 × 3 3 \times 3 \times 3 3×3×31 → \rightarrow → 5 → \rightarrow → #13
#2 7 2 3 72^3 723 3 × 3 × 3 3 \times 3 \times 3 3×3×3 $ / 2$5 → \rightarrow → 16
#3 7 2 3 72^3 723 3 × 3 × 3 3 \times 3 \times 3 3×3×316 → \rightarrow → 16 → \rightarrow → #12
#4 3 6 3 36^3 363 3 × 3 × 3 3 \times 3 \times 3 3×3×3 $ / 2$16 → \rightarrow → 32
#5 3 6 3 36^3 363 3 × 3 × 3 3 \times 3 \times 3 3×3×332 → \rightarrow → 32 → \rightarrow → #11
…
#11 3 6 3 36^3 363 3 × 3 × 3 3 \times 3 \times 3 3×3×3x → \rightarrow → 32#5 → \rightarrow →
7 2 3 72^3 723Upsample32
#12 7 2 3 72^3 723 3 × 3 × 3 3 \times 3 \times 3 3×3×348 $\rightarrow$9#3 → \rightarrow →
14 4 3 144^3 1443Upsample64
#13 14 4 3 144^3 1443 3 × 3 × 3 3 \times 3 \times 3 3×3×314 → \rightarrow → # L L L#1 → \rightarrow →
#14 14 4 3 144^3 1443 3 × 3 × 3 3 \times 3 \times 3 3×3×3# L L L → \rightarrow → # L L L
OBELISK:

Description of our original OBELISK model with 1×1 Dense-Net.

Layer(Out) - SizeKernel / Stride# Channels / GroupsSkip
Input 14 4 3 144^3 14431
Avg 14 4 3 144^3 1443 3 × 3 × 3 3 \times 3 \times 3 3×3×31
Avg 14 4 3 144^3 1443 3 × 3 × 3 3 \times 3 \times 3 3×3×31
offsets 1024 × 3 1024 \times 3 1024×3
S s p S_{sp} Ssp​gridsample1 → \rightarrow → 1024
#1 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 1024 → 256 1024 \rightarrow 256 1024→256 / 4 /4 /4
#2 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 256 → 128 256 \rightarrow 128 256→128 → \rightarrow → #3 - #6
#3 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 128 → 32 128 \rightarrow 32 128→32 → \rightarrow → #4 - #6
#4 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 160 → 32 160 \rightarrow 32 160→32 → \rightarrow → #5 - #6
#5 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 192 → 32 192 \rightarrow 32 192→32 → \rightarrow → #6
#6 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 224 → 32 224 \rightarrow 32 224→32
#7 S s p S_{sp} Ssp​ 1 × 1 × 1 1 \times 1 \times 1 1×1×1 32 → # L 32 \rightarrow \#L 32→#L

Experiments

我们在两个不同挑战等级的 3D CT 数据集上进行了广泛的实验。首先,我们探讨了有限规模的训练数据集(10 个VISCERAL 训练扫描)的困难,该数据集具有一组具有中等挑战性的腹部结构,如我们在会议论文中所做的那样,我们不对扫描进行特定预处理。其次,我们在公共多标签数据集上对不同的网络架构进行了额外的验证实验,该数据集基于(Roth等人,2015年)引入的 TCIA CT 胰腺数据集(43 个扫描),但已通过更多手动扩展标注器官并使用紧密裁剪的感兴趣区域(Gibson 等人,2018)。

We performed extensive experiments on two 3D CT datasets with different challenges. First, we explore the difficulties of a limited sized training dataset (10 VISCERAL training scans (Jimenez-del Toro et al., 2016)) with a set of moderately challenging abdominal structures as done in our conference paper without specific preprocessing of the scans. Second, we perform additional validation experiments of different network architectures on a public multi-label dataset that is based on the TCIA CT pancreas dataset (with 43 scans) introduced in (Roth et al., 2015), but has been extended by more manually labelled organs and uses the tightly cropped region of interests as done in (Gibson et al., 2018).

VISCERAL 实验是对以下七个解剖结构的分割进行了留存交叉验证:…

唯一的预处理是重采样到 3mm 的各向同性体素尺寸,并裁剪到 156 × 115 × 160 体素的尺寸,而不使用任何指导信息。

The VISCERAL experiment is carried out with leaveone-out cross validation for the segmentation the following seven anatomical structures: …

The only pre-processing applied was a resampling to isotropic voxel sizes of 3mm and cropping to dimensions of 156 × 115 × 160 voxels, without using any guidance information.

在这里插入图片描述

在我们新的 TCIA 实验中,我们应用了与 (Gibson et al., 2018)[^6] 提出的相同的预处理,其中涉及严格的手动边界框裁剪和重采样到 14 4 3 144^3 1443 个体素的通用尺寸(这会导致不规则的体素间距)。在 (Gibson et al., 2018) 中讨论了手动边界框选择是一个重要方面,有人认为没有注意门的单通道前馈 U-Nets (Oktay et al., 2018) 依赖于准确的初始化。由于 43 个扫描的较大数据库大小,我们采用了 32 或 33 个训练图像和 10 或 11 个测试扫描的四重交叉验证。

In our new TCIA experiments we applied the same preprocessing as proposed by (Gibson et al., 2018), which involves a tight manual bounding box cropping and resampling to common dimension of 14 4 3 144^3 1443 voxels (which results in irregular voxel spacings). It was discussed in (Gibson et al., 2018) that the manual bounding box selection was an important aspect and it was argued that single pass feed-forward U-Nets without attention gates (Oktay et al., 2018) are dependent on accurate initialisation. Due to the larger database size of 43 scans, we employ a fourfold cross-validation with either 32 or 33 training images and 10 or 11 test scans.

即使我们没有使用任何后处理,例如边缘保留平滑(Heinrich 和 Blendowski,2016)、更积极的数据增强(包括弹性变形和对比度变化)或曲率流平滑(Gibson等,2018),我们的新方法接近两个具有挑战性的 3D CT 分割任务的 SOTA。

Even though we have not used any post-processing such as edge-preserving smoothing (Heinrich and Blendowski, 2016), more aggressive data augmentation (including elastic deformations and contrast variations) or curvature flow smoothing (Gib- 595 son et al., 2018)), our new approach approaches state-ofthe-art accuracies for two challenging 3D CT segmentation tasks.

我们对处理类别不平衡的不同方案进行了试验,包括传统的 Dice 损失(Milleri等人,2016)和 hinge Dice 损失(Gibson等人,2018),但发现对于所有 U-Net 网络结构,在 300 个 epoch 之后,与经典的交叉熵损失相比,差异可以忽略不计。对于 OBELISK,我们像以前一样使用在线困难示例挖掘以及由逆标签频率的平方根加权的交叉熵损失(前景的权重平均为 1,背景的权重为 0.5)。除非另有说明,否则始终使用随机的仿射图像变换作为唯一的数据增强。

We experimented with different schemes for dealing with class imbalance including the conventional Dice loss (Milletari et al., 2016) and a hinge Dice loss (Gibson et al., 2018), but found the differences to be negligible to a classical cross-entropy loss after 300 epochs for all U-Net architectures. For OBELISK we employ online hard example mining as before together with a cross-entropy loss weighted by the square root of the inverse label frequency (the weights for foreground are averaged to 1 and the background is weighted with 0.5). Randomly applied affine image transformations are used throughout as the only type of data augmentation unless otherwise mentioned.

从定量分割精度可以看出,只有很少参数的 OBELISK 层可以取代传统的固定的卷积核,同时通常会产生更好的表示学习能力,但由于不规则的内存访问模式和三线性插值的额外计算,可能会导致更复杂的数值运算。

总之,我们相信 OBELISK 的可变形卷积是一种很有前途的强大的插件,可以很容易地集成到现有的浅 U 形网络中,并为将其用作预先训练的低参数形状编码器提供了巨大的潜力。


  1. Heinrich, M., Ozan Oktay, and N. Bouteldja. “Obelisk Net: Fewer Layers to Solve 3d Multi-Organ Segmentation with Sparse Deformable Convolutions.” Medical Image Analysis 54 (2019): Q 9. ↩︎

可变形卷积(Deformable Conv)原理解析与torch代码实现 图6为可变形卷积示意图。图1所示为普通卷积在输入特征图上进行卷积计算的过程,卷积核大小为3*3,在输入特征图尺寸为7*7上进行卷积,将卷积核权重与输入特征图对应位置元素相乘并求和得到输出特征图元素,按一定方式滑动窗口就能计算得到整张输出特征图。图6所示,在input feature map上普通卷积操作对应卷积采样区域是一个卷积核大小的正方形(绿框),而可变形卷积对应的卷积采样区域为一些蓝框表示的点,这就是可变形卷积与普通卷积的区别。先来一张图感受一下,图3为标准卷积与可变形卷积的卷积示例。 阅读详情

相关推荐

【YOLOv8改进 - 卷积Conv】DCNv4: 可变形卷积,动态与稀疏操作高效融合的创新算子

【YOLOv8改进 - 卷积Conv】DCNv4: 可变形卷积,动态与稀疏操作高效融合的创新算子

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 4408

可变形卷积、空洞卷积(能使感受野更大的特殊卷积核)

一:可变形卷积:在感受野中引入了可学习的偏移量,能够使得感受野不再是死板的方形,而是与物体的实际形状贴近,偏移之后的卷积区域可以更好地去覆盖物体形状周围。的卷积核只能覆盖面积为9的区域,而相同参数量的空洞卷积则可以覆盖面积为 25 的感受野。普通卷积核,除了中间带红点的位置权值不为 0 并参与卷积计算外,其他点的权值均为 0,对卷积计算结果不会做出贡献。(1)扩大感受野:使用空洞卷积可以使得参数量相同的情况下,增加卷积的感受野,原本。卷积核,图(b)是一个空洞参数为 2(参与计算的相邻元素之间的距离)的。

XDXDXDXDX111的博客 1322

【YOLOv8改进 - 卷积Conv】DCNv3: 可变形卷积,结合稀疏注意力机制与卷积的创新算子

【YOLOv8改进 - 卷积Conv】DCNv3: 可变形卷积,结合稀疏注意力机制与卷积的创新算子

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 1821

DCNv2回顾,可变形卷积网络升级版,可用于各种视觉相关任务

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导读对DCN,DCNv1进行了升级,更多的可变形,更好的结果。Def...

AI公园 3561

可变形卷积(Deformable Convolution)

之前分了两次将深度学习中常用的各种卷积操作进行了汇总介绍,具体包括标准2D卷积、1×1卷积、转置卷积、膨胀卷积、深度卷积以及可分离卷积和分组卷积,之前在读文献时碰巧见过还有一个可变形卷积,这种卷积方式可以更好的根据目标本身的形状进行特征提取。这篇文章主要目的是为了学习理解可变形卷积,以便后面实验使用。我在这里首先把原文摘要中的部分信息进行提取展示,以对可变形卷积有一个初步的认识,并了解作者为什么提出可变形卷积。

NorthSmile的博客 7178

立创EDA开源足轮机器人:基于STM32F407与ESP32的LQR自平衡与FOC驱动设计全解析

本文详细解析了基于立创EDA平台的开源足轮机器人项目。该项目采用STM32F407作为主控,ESP32负责无线通信,并应用LQR自平衡算法与FOC驱动技术,实现了机器人的稳定站立、移动转向及复杂地形适应能力。文章深入剖析了其硬件架构、软件设计及调试经验,为机器人运动控制学习提供了宝贵参考。

weixin_42608299的博客 232

【3D目标检测】稀疏卷积

稀疏卷积是对无论是2D卷积还是3D卷积进行加速运算的一种方式,其中由于3D点云的稀疏性比较大,加速将更为明显。 举例子之前的定义 为了逐步解释稀疏卷积的概念,使其更易于理解,本文以二维稀疏图像处理为例。由于稀疏信号采用数据列表和索引列表表示,二维和三维稀疏信号没有本质区别。 1. 输入定义 使用以下稀疏图像作为输入 如图所示,我们有一个5 × 5的3通道图像。除了 P1和 P2两点外,所有像素都是(0,0,0) (虽然0这个假设也很不严谨)。根据文献[1] ,P1和 P2,这种非零元素也称为a

AI知识搬运工 3061

从学生项目到工程实践:手把手教你用ATE测试电源芯片的Rdson与漏电流

本文详细介绍了如何将学术级的电源芯片测试方案转化为工业级解决方案,重点讲解使用ATE设备测试Rdson(导通电阻)和漏电流的关键技术。从设备选型、测试夹具设计到量产环境下的工程化实现,提供了实用的优化技巧和常见问题解决方案,帮助工程师提升测试效率和精度。

weixin_42525289的博客 182

深度学习 卷积神经网络即插即用的小插件

卷积神经网络即插即用的小插件前言小插件STNASPPNon-localSECBAMDCN v1&v2BlurPoolRFBASFF代码实现STNASPPNon-localSECBAMDCNBlurPoolRFBASFF 前言 本篇博客主要介绍卷积神经网络中的即插即用的模块。“即插即用的插件“意味着该插件能够快速复现,并且能够随时应用到神经网络中,容易植入,容易落地,真正做到“plug-and-play”。在之前的项目当中,使用yolov4已经涉及到一些模块,如channel attention、CB

Fantastic 7213

基于CANoe的车载以太网测试

以太网测试 CANoe

Yafet 4554

Ubuntu系统全盘备份——TimeShift的安装与使用

所以如果有那天你不小心作了个大死,并且幸运到还能打开GNOME桌面和Timeshift(只要不是执行sudo rm -f /*这样的自杀程序)的时候,点击你要恢复的那个备份文件再点击Restore,经过短暂的重启后你的系统就成功恢复了。打开软件后,会有一些初始化设置,只需要一直点击 Next。根据自己电脑的内存大小决定是自动备份还是手动备份。当然,对于虚拟机用户来说,没有比在客户机直接拷贝虚拟磁盘文件更棒的方式了。点击左上角的 Create,就会执行备份操作。最下面的意思就是说不会自动备份需要手动操作。

琉璃轻纱的博客 4706

空洞卷积、可变形卷积、可变形ROI Pooling

基本原理:Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解,是在标准的 convolution map 里注入空洞,以此来增加 reception field。相比原来的正常convolution,dilated convolution 多了一个 hyper-parameter 称之为 dilation rate,指的是kernel的间隔数量(e.g. 正常的 convolution 是 dilat

BubbleCodes的博客 2273

WSL2 Ubuntu 22.04安装NVIDIA驱动避坑指南:从驱动版本选择到CUDA环境验证

本文详细介绍了在WSL2 Ubuntu 22.04中安装NVIDIA驱动和配置CUDA环境的完整流程,包括驱动版本选择、环境变量设置以及常见问题解决方案。通过本指南,用户可以避免常见的安装陷阱,确保GPU加速环境正确配置,适用于深度学习开发和CUDA编程。

weixin_28419039的博客 464

可变形注意力(Deformable Attention)及其拓展

右侧的可变形卷积因为感受野的每一个点都有偏移量,造成卷积核在图片上滑动时对应的感受野的点不会重复选择,这意味着会采样9 x 9=81个采样点,比传统卷积更多。对感受野上的每一个点加一个偏移量 ,偏移的大小是通过学习得到的 ,偏移后感受野不再是个正方形,而是和物体的实际形状相匹配。传统卷积核在卷积过程中由于会存在重叠,最终输出后的感受野范围小,而可变性卷积中因为有偏移,不会有重叠,从而感受野范围更大。可变形卷积将固定形状的卷积过程改造成了能适应物体形状的可变的卷积过程,从而使结构适应物体形变的能力更强。

weixin_47748259的博客 2万+

RK3588 Ubuntu 20.04 编译 eglinfo 踩坑实录:从 Python 环境配置到 Mali 驱动调试

本文详细解析了在RK3588平台上使用Ubuntu 20.04编译eglinfo的全过程,包括Python环境配置、waf构建系统升级、Mali驱动调试等关键步骤。通过系统级软链接方案、驱动状态诊断和EGL环境验证技巧,帮助开发者快速解决常见问题,构建可靠的图形调试环境。

weixin_29158047的博客 374

MATLAB - 机械臂手眼标定(眼在手内) - 估计安装在机器人上的移动相机的姿态

执行手眼校准有助于操作配备末端执行器(简称 “手”)的机械臂,该末端执行器依赖于摄像头提供的视觉数据。一旦完成了眼在手外的校准,机械臂就能准确地移动到摄像头识别的特定像素位置。这种能力是执行精确拾放任务(如分类、堆垛和分拣)的基础,即使在摄像机的确切位置和方向未知的情况下也是如此。机器人-摄像机系统有两种构型:眼在手内和眼在手外。在眼在手内构型中,摄像头直接安装在机器人手臂的末端执行器上。相反,在眼在手的构型中,摄像头固定在一个静止的物体上,机器人手臂在其视野内。

机器人控制与仿真应用 3352

TensorRT——grid_sample转换

TensorRT加速

m980828的博客 2461

【技能】OpenClaw Memory 与 MemOS 两种 AI 记忆方案深度解析

摘要:本文对比了两种AI记忆系统方案。OpenClaw Memory是轻量级记忆助手,内置SQLite存储,支持语义搜索,部署简单成本低,适合日常对话记忆需求。MemOS是自学习系统,通过Neo4j和Qdrant实现技能自进化,但需部署4套服务,门槛高成本大。建议普通用户选择OpenClaw Memory,技术玩家可逐步尝试MemOS。两种方案各具优势,需根据实际需求选择。

海兰 199

可变形卷积(DCN,Deformable Convolution Network)

ICCV 2017的一篇文章。可变形卷积(DCN)的原理和实现。在目标检测领域应用广泛,在项目、课程设计、毕业设计、比赛中对许多数据集和许多目标检测算法(只要含卷积操作),都能有不错的提升,泛化性很强。

jiangqixing0728的博客 6万+

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

可变形卷积:Deformable ConvNets

可变形卷积:Deformable ConvNets DCNv1论文网址:Deformable Convolutional Networks DCNv2论文网址:Deformable ConvNets v2: More Deformable, Better Results DCNv2代码:https://github.com/CharlesShang/DCNv2/tree/pytorch_0.4 DCNv1 1. 空洞卷积(dilated conv) 在图像分割领域,图像输入到CNN(典型的网络比如FC

Airs-Gao的博客 7485

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Optical-flow和grid-sample和可变形卷积

1.摘要 随着计算机视觉学界从图像理解转向视频理解,互联网用户从发布图片朋友圈转向发布短视频,人们对视频的研究和应用的关注不断增强。光流估计作为视频理解的隐形战士,等着我们去寻找其踪迹。 本文首先介绍了什么是视频光流估计;再介绍光流估计的算法原理,包括最为经典的Lucas-Kanade算法和深度学习时代光流估计算法代表FlowNet/FlowNet2;最后,介绍了视频光流估计的若干应用。希望对光流估计的算法和应用有个较为全面的介绍。 2.介绍 光流,顾名思义,光的流动。比如人眼感受到的夜空中划过的流星。在计

NCU_wander的博客 2202

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

可变形卷积(DCN)

可变形卷积: Deformable Convolutional Networks原文摘要:卷积神经网络(CNNs)由于其构建模块中存在固定的几何结构,因此固有地局限于模型几何转换。在本工作中,我们引入了两个新的模块来增强cnn的转换建模能力,即可变形卷积和可变形感兴趣区域池。两者都是基于用额外的偏移量来增加模块中的空间采样位置,并学习来自目标任务的偏移量,而无需额外的监督。新的模块可以很容易地取代现有cnn中的普通对应模块,并且可以很容易地通过标准的反向传播进行端到端训练,从而产生可变形的卷积网络。

qq_43471945的博客 3043

可变形卷积从概念到实现过程

可变形卷积是如何实现的?什么是可变形卷积?为什么要可变形卷积?如何实现可变形卷积? 什么是可变形卷积? 可变形卷积是指卷积核在每一个元素上额外增加了一个参数方向参数,这样卷积核就能在训练过程中扩展到很大的范围。 上图来自论文Deformable Convolutional Networks 上图中 (a)是传统的标准卷积核,尺寸为3x3(图中绿色的点); (b)就是我们今天要谈论的可变形卷积,通...

LEEANG121的博客 6万+

可变形卷积

可变形卷积

qq_37149304的博客 1953

【Deep Learning 6】可变形卷积

🌞欢迎来到Pytorch的世界🌟本文由卿云阁原创!📆首发时间:🌹2024年2月20日🌹✉️希望可以和大家一起完成进阶之路!🙏作者水平很有限,如果发现错误,请留言轰炸哦!

zzqingyun的博客 2295
上一篇: 【论文精读】Label-driven Weakly-supervised DLIR
下一篇: Cross-Modality Domain Adaptation
Skr.B
博客等级 码龄8年 1103粉丝 81原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Skr.B

WUHOOO~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值