超级会员免费看
本文介绍了Res2Net，一种新型的多尺度深度学习骨架架构，旨在增强CNN的多尺度表示能力。与现有方法通过逐层操作增强多尺度表示不同，Res2Net在更细粒度级别上提升这一能力。通过分层残差连接的滤波器组，Res2Net能够在单一残差模块内实现多种接受场大小，从而捕获细节和全局特征。实验表明，Res2Net模块可以提高ResNet、ResNeXt和DLA等先进模型的性能。
引言
如图1所示，视觉模式在自然场景中以多尺度出现。首先，对象可以在单个图像中以不同的尺寸出现，例如，沙发和杯子具有不同的尺寸。其次，对象的基本上下文信息可能比对象本身占据更大的区域。例如，我们需要依靠大桌子作为上下文，以更好地判断放置在桌子上的黑色小球是杯子还是笔筒。第三，感知来自不同尺度的信息对于理解诸如细粒度分类和语义分割之类的任务的部分和对象至关重要。因此，为视觉认知任务设计多尺度的良好特征至关重要，包括图像分类 [444] 、物体检测 [53] 、注意力预测 [55] 、目标跟踪 [76] 、动作识别 [56] 、语义分割 [6] 、显著物体检测 [2]，[29]，物体提议 [12]，[53]，骨架提取 [80]，立体匹配 [52] 和边缘检测 [45]，[69]。
多尺度特征已广泛用于常规特征设计 [1]，[48] 和深度学习 [10]，[61]。在视觉任务中获得多尺度表示需要特征提取器使用大范围的感受域来描述不同尺度的对象/部分/上下文。卷积神经网络 (CNNs) 通过一堆卷积算子自然地学习从粗到细的多尺度特征。CNNs固有的多尺度特征提取能力导致解决众多视觉任务的有效表示。如何设计更高效的网络架构是进一步提高CNNs性能的关键。
在过去的几年中，几个
订阅专栏 解锁全文
扫一扫
2060
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
