Deformable Offset 梯度的推断

本文详细解析了Deformable Convolutional Networks中关于offset梯度的计算过程,特别是针对px的偏导数进行了深入探讨。通过数学推导,解释了为什么在某些情况下偏导数可能为0,并给出了具体的计算步骤。

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

对Deformable中的 offset 求梯度不是很理解

Deformable Offset
x ⇒ conv(x) ⇒ x_coords ⇒ ( lt, lb, rt, rb )
⇒ px*py*lt + px*(1-py)lb + (1-px)*py*rt + (1-px)(1-py)*rb
⇒ x

对px的偏导数,求其gradient

((pxpx)pylt)px∂((px−⌊px⌋)∗py∗lt)∂px

这个地方 px⌊px⌋偏导数可能为0, pxpx 为1
所以得:
pyltpy∗lt

然后依次求得各项偏导,并依次向下求偏导数
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