https: blog.csdn.net qq article details 这篇论文其实读起来还是比较难懂的，主要是细节部分很需要推敲，尤其是deformable的卷积如何实现的一步上，在写这篇博客之前，我也查阅了很多其他人的分享或者去github找代码，当然也不敢说完全了解了这种特殊的卷积 仅仅做一点自己的阅读心得与体会吧。这是一篇很有意义的工作，但是和深度学习很多论文一样，在读完之后内心也 ...
2019-01-18 11:15 0 706 推荐指数：
这篇论文真是让我又爱又恨，可以说是我看过的最认真也是最多次的几篇paper之一了，首先deformable conv的思想我觉得非常好，通过end-to-end的思想来做这件事也是极其的make sense的，但是一直觉得哪里有问题，之前说不上来，最近想通了几点，先初步说几句，等把他们的代码跑 ...
论文源址：https://arxiv.org/abs/1703.06211 开源项目：https://github.com/msracver/Deformable-ConvNets 摘要 卷积神经网络由于其构建时固定的网络结构，因此只能处理模型的几何变换问题。本文主要介绍 ...
1 空洞卷积 1.1 理解空洞卷积 在图像分割领域，图像输入到CNN（典型的网络比如FCN）中，FCN先像传统的CNN那样对图像做卷积再pooling，降低图像尺寸的同时增大感受野，但是由于图像分 ...
首先，容我吐槽一下这篇论文的行文结构、图文匹配程度、真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛，😈 背景 我们知道传统的CNN针对的是image，是欧氏空间square grid，那么使用同样square grid的卷积核就能对输入的图片进行特征的提取。在上一篇论文中，使用的理论 ...
DCNN 主要思想： 这是一篇基于空间域的图神经网络，聚合方式通过采样（hop）1~k 阶的邻居并同 self 使用 mean 的方式得到新的 feature-vector 作者将不同的 ...
毕设终于告一段落，传统方法的视觉做得我整个人都很奔溃，终于结束，可以看些搁置很久的一些论文了，嘤嘤嘤 Densely Connected Convolutional Networks 其实很早就出来了，cvpr 2017 best paper 觉得读论文前，还是把dense net的整个 ...
GCN的定义 下面内容参考kipf博客，个人认为是告诉你从直觉上，我们怎么得到GCN图上的定义（而前面的大幅推导是从理论上一步一步来的，也就是说可以用来佐证我们的直觉） 我们的网络输入是\(\ma ...
在这篇论文中，作者提出了一种更加通用的池化框架，以核函数的形式捕捉特征之间的高阶信息。同时也证明了使用无参数化的紧致清晰特征映射，以指定阶形式逼近核函数，例如高斯核函数。本文提出的核函数池化可以和CNN网络联合优化。 Network Structure Overview Kernel ...
