Strange_Gu的博客

先附上论文及代码。1. Introduction由于固定的几何结构，传统的FCN受限于局部的感受野，只能提供短程的上下文信息。这对于提升分割任务的精度起到相反的影响。为了弥补FCN的缺陷，ASPP和PPM模块被提出来，在网络的底层中加入有效的上下文特征。但是膨胀卷积并不能够产生密集的上下文信息。同时，基于池化的方法以非自适应的方式聚合上下文信息，并且认为所有图像像素具有相同的重要性，这不能满足不同像素需要不同的上下文依赖关系的要求。为了包含密集的且逐像素的上下文信息，一些全连接的GNN方法被提出来

最近在看一篇CV任务中的Attention机制综述时，觉得其中一篇于2017年发表在CVPR上的Deformable ConvNets很有意思，觉得文章中思路及公式都是清晰明了，在Github上找了份PyTorch代码时，嗯……发现事情并不简单。终于在拜读大佬的deformable convolution可变形卷积（4uiiurz1-pytorch版）源码分析和一篇文章为你讲透双线性插值后，清楚了一二。这里按照自己理解学习的思路写下作为这篇论文的学习总结。plain convolution operat