Pointnet++改进59:全网首发MogaBlock(2024最新模块)|用于在纯基于卷积神经网络的模型中进行判别视觉表示学习,具有良好的复杂性和性能权衡

简介:
1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!
2.本篇文章对Pointnet++特征提取模块进行改进,加入MogaBlock,提升性能。
3.专栏持续更新,紧随最新的研究内容。

目录

1.理论介绍

2.修改步骤

2.1 步骤一

         2.2 步骤二

         2.3 步骤三


1.理论介绍

通过将内核尽可能全局化,现代卷积神经网络在计算机视觉任务中显示出巨大的潜力。然而,最近在深度神经网络(dnn)内的多阶博弈论相互作用方面的进展揭示了现代卷积神经网络的表示瓶颈,其中表达性相互作用不能随着核大小的增加而有效编码。为了应对这一挑战,我们提出了一个新的现代卷积神经网络家族,称为MogaNet,用于在纯基于卷积神经网络的模型中进行判别视觉表示学习,具有良好的复杂性和性能权衡。MogaNet将概念上简单但有效的

Group convolution(分组卷积)是一种卷积运算的方法,它可以将输入的特征图分成多个组,并对每个组进行独立的卷积计算。在每个组内部,使用常规的卷积运算(也称为Depthwise Convolution)对特征图进行处理,然后再使用Pointwise Convolution对各个组的输出进行整合得到最终的特征图。这种分组的方式可以减少卷积运算的参数量,并且可以在参数量相同的情况下构建更深的神经网络。相比于传统的常规卷积,group convolution可以有效地减少参数数量,提高模型的效率性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【 group convolution (分组卷积)详解】](https://blog.youkuaiyun.com/weixin_49117441/article/details/122648894)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [dgconv.pytorch:动态分组卷积可分组的ConvNet的PyTorch实施与预训练的G-ResNeXt模型](https://download.youkuaiyun.com/download/weixin_42133861/17819550)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

AICurator

你的鼓励将是我创作的最大动力

¥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
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