记录blurpool

最新推荐文章于 2025-04-03 09:36:03 发布

原创

最新推荐文章于 2025-04-03 09:36:03 发布 · 966 阅读

0 ·

CC 4.0 BY-SA版权

这篇博客介绍了Richard Zhang在ICML 2019年发表的论文，旨在解决CNN中最大池化或平均池化无法保持时间平移不变性的难题。BlurPool提出了一种方法，通过在池化操作前应用模糊滤波器来恢复这种不变性。代码实现中，BlurPool使用了1到9的奇数滤波器，且不需额外硬件电路，但下采样过程可能需要优化。 BlurPool可通过分解为多种池化操作加上1D卷积来实现。

论文

Richard Zhang.
In ICML, 2019. Making Convolutional Networks Shift-Invariant Again

来源：

https://github.com/adobe/antialiased-cnns

目的：

解决CNN网络下maxpool或者avgpool中timeshift不变性不能保持的问题

从代码上看M取值从1到9（奇数）

从代码上看，硬件不需要增加特殊电路，但downsample的优化（引入filter）需考虑，实现上这类pooling需要分解为多种pool加filter（1Dconv）。

处理办法

Baseline	Anti-aliased replacement
`[nn.MaxPool2d(kernel_size=2, stride=2),]`	`[nn.MaxPool2d(kernel_size=2, stride=1),` `Downsample(channels=C, filt_size=M, stride=2)]`
`[nn.Conv2d(Cin,C,kernel_size=3,stride=2,padd`