Octave(类似于传统图像处理中出现的高频信号与低频信号)

本文探讨了将图像特征图分解为高频和低频信息的方法,高频信息捕捉细节变化,低频信息描绘整体结构,通过减小低频特征图尺寸,有效减少冗余,降低计算复杂度,扩大感受野,增强全局信息获取能力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

论文
机器之心的介绍
新智元的介绍
pytorch_code

本人理解

类似于图像中包含高频信息和低频信息一样,可将图像的feature map转换成两个频率的特征图,高频的通道描绘快速变换的微小细节,低频通道描绘平滑变换的结构,且将低频通道上的feature map大小缩小为之前的一半,减少空间信息的冗余,并且减少了计算量,扩到了感受野范围,使感受到更多的全局信息。

重点图示

详细操作: Alt

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
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