yiran103的专栏

双三次插值是二维图像处理中常用的高阶插值方法，通过16个邻近像素(4×4)计算插值点，比双线性插值(2×2)和最近邻插值更平滑。其数学原理是在单位正方形四个角点匹配函数值、一阶和二阶导数，构建双三次多项式曲面。通过求解16个系数的线性方程组，可获得连续且导数连续的插值结果。该方法在图像重采样中能提供更高质量的视觉效果，但计算复杂度较高，且可能引入特定插值伪影。

如 DCNv1 和 DCNv2 论文所述，DeformConv 相比常规卷积的参数量和计算量增加不多，但对网络的提升很大。然而，DeformConv 的计算模式并不利于高效实现，给网络带来的开销比纸面数值大：常规卷积可以采用 Implicit GEMM 的形式，非常高效；DeformConv 需要离散访存和插值，增加了 IO 量和内存占用。在 Torchvision 以及其他框架中，DeformConv2d 采用 Explicit GEMM 的方式实现。具体步骤为：deformable_im

本文档旨在帮助贡献者和模块维护者理解 PyTorch 演化出的高层设计原则。这些规则并不是硬性规定的，而是用来作为指南，以帮助权衡不同的关注点，解决开发 PyTorch 时可能出现的分歧。有关贡献、模块维护以及如何将分歧升级至核心维护者的更多信息，请参见 [ PyTorch Governance](https://pytorch.org/docs/master/community/governance.html)。

此番开源的 DaSiamRPN 代码不包含文章3.3节中的内容（参见知乎评论），同时公布的 SiamRPNBIG.model 相比论文中的模型通道翻倍，计算量增至原有的4倍。因此，速度亦不可按照原文中考量。该项目的实际内容可以看作是 SiamRPNv2。SiamRPN 和 DaSiamRPN 基于 AlexNet，Fast R-CNN 中 RPN 基于 ZF-Net。ZF-Net 是 AlexN...

open-vot 是一个 基于 python 的目标跟踪库，其中实现了 KCF、SiamFC、GOTURN 等8种算法。该库采用模块化设计，利于不同算法的比较及扩展。本文主要介绍其中的 SiamFC 实现。运行要求代码运行需安装以下依赖包：conda install matplotlib shapelyconda install -c conda-forge tensorboardx ...

之前分析了 DaSiamRPN 的测试代码，侧重于执行细节。到了 SiamMask，似乎主题应该有所升华。故事的明线为跟踪器构成，暗线为训练流图。相比于 DaSiamRPN，SiamMask 不仅网络结构是现代化的，系统设计也更具匠心。这便于我们一窥其轮廓。SiamMask/models 文件夹下定义了网络的基本架构。SiamMaskFeaturesRPNMask网络工作流为：z_f\x...

THOP 是 PyTorch 非常实用的一个第三方库，可以统计模型的 FLOPs 和参数量。使用方法为：from thop import clever_formatfrom thop import profileclass YourModule(nn.Module): # your definitiondef count_your_model(model, x, y): ......