【论文笔记】Strip Pooling: Rethinking Spatial Pooling for Scene Parsing

原创

于 2020-11-09 22:21:45 发布 · 2.5k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #神经网络

这篇博客是对Strip Pooling论文的笔记，该论文重新审视了深度学习，尤其是场景解析中空间池化的使用。文章讨论了如何改进传统池化操作以提高神经网络性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【论文笔记】Strip Pooling: Rethinking Spatial Pooling for Scene Parsing

在这里插入图片描述

在这里插入图片描述
模块代码

class StripPooling(nn.Module):
    """
    Reference:
    """
    def __init__(self, in_channels, pool_size, norm_layer, up_kwargs):
        super(StripPooling, self).__init__()
        self.pool1 = nn.AdaptiveAvgPool2d(pool_size[0])
        self.pool2 = nn.AdaptiveAvgPool2d(pool_size[1])
        self.pool3 = nn.AdaptiveAvgPool2d((1, None))
        self.pool4 = nn.AdaptiveAvgPool2d((None, 1))

        inter_channels = int(in_channels/4)
        self.conv1_1 = nn.Sequential(nn.Conv2d(in_channels, inter_channels, 1, bias=