DeformConv

浪子私房菜

于 2022-06-16 09:46:26 发布

阅读量943

点赞数 2

分类专栏：难啃的深度学习 pytorch 文章标签：计算机视觉

本文链接：https://blog.youkuaiyun.com/niuxuerui11/article/details/125310071

版权

难啃的深度学习同时被 2 个专栏收录

31 篇文章

订阅专栏

pytorch

19 篇文章

订阅专栏

本文介绍了两种Deformable Convolution层的实现：一种包含ReLU激活，另一种去掉ReLU。主要讲解了其初始化、forward函数以及它们在神经网络中的应用，重点在于对比两者在结构和效果上的区别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

class DeformConv(nn.Module):
    def __init__(self, chi, cho):
        super(DeformConv, self).__init__()
        self.actf = nn.Sequential(
            nn.BatchNorm2d(cho, momentum=BN_MOMENTUM),
            nn.ReLU(inplace=True)
        )
        self.conv = DCN(chi, cho, kernel_size=(3, 3), stride=1, padding=1, dilation=1, deformable_groups=1)

    def forward(self, x):
        x = self.conv(x)
        x = self.actf(x)
        return x

class DeformConv_no_relu(nn.Module):
    def __init__(self, chi, cho):
        super(DeformConv_no_relu, self).__init__()
        self.actf = nn.Sequential(
            nn.BatchNorm2d(cho, momentum=BN_MOMENTUM)
        )
        self.conv = DCN(chi, cho, kernel_size=(3, 3), stride=1, padding=1, dilation=1, deformable_groups=1)

    def forward(self, x):
        x = self.conv(x)
        x = self.actf(x)
        return x