Partial Convolution based Padding 论文速读

scut_少东

于 2019-04-02 14:20:40 发布

阅读量3.5k

点赞数 2

分类专栏：图像处理 gan 图像修复人工智能部分卷积

本文链接：https://blog.youkuaiyun.com/qq_33594380/article/details/88969580

版权

本文介绍了一种新的卷积padding方法——部分卷积padding，它在图像修复和分割任务中表现出更好的效果和更快的收敛速度，相较于传统的0 padding、对称padding和重复padding，部分卷积padding具有更强的鲁棒性。该方法通过掩膜控制有效信息的传递，随着迭代掩膜区域逐渐减小，最终实现图像的修复。部分padding的实现涉及到将输入的边缘区域定义为有孔区域，通过调整孔洞占比来计算有效信息的含量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、论文背景

如今致力于提升神经网络性能的研究有很多：主要包括优化器的改进（SGD、ADAM等），激活函数的改进和混搭（RuLU、LeakyReLU、PReLU等），归一化操作的改进（Batch Norm、Instance Norm、Layer Norm等）。很少有文章试图改进padding机制，本文做的就是这样一件事情。

在此之前，主要的padding 方式有三种：0 padding、对称padding 和重复padding。

Standard approaches include zero padding (ex- tend with zeros), reflection padding (reflect the input val- ues across the border axis) and replication padding (extend by replicating the values along borders).

其中，最常用的是0 padding，而且0 padding 的计算速度更快，对称padding 和重复padding 的效果和0 padding 差不多，有时甚至更差。但是，从另一个角度来看，0 padding 可以看做是另一个孔洞，这个操作实际上对后续处理过程产生了不良的影响。

文章地址：https://arxiv.org/abs/1811.11718

github 地址：https://github.com/NVIDIA/partialconv