論文討論&&思考《Deformable Convolutional Networks》
這篇論文真是讓我又愛又恨，可以說是我看過的最認真也是最多次的幾篇paper之一了，首先deformable conv的思想我覺得非常好，通過end-to-end的思想來做這件事也是極其的make sense的，但是一直覺得哪里有問題，之前說不上來，最近想通了幾點，先初步說幾句，等把他們的代碼跑 ...
原文：目標檢測論文閱讀：Deformable Convolutional Networks
https: blog.csdn.net qq article details 這篇論文其實讀起來還是比較難懂的，主要是細節部分很需要推敲，尤其是deformable的卷積如何實現的一步上，在寫這篇博客之前，我也查閱了很多其他人的分享或者去github找代碼，當然也不敢說完全了解了這種特殊的卷積 僅僅做一點自己的閱讀心得與體會吧。這是一篇很有意義的工作，但是和深度學習很多論文一樣，在讀完之后內心也 ...
2019-01-18 11:15 0 706 推薦指數：
相關推薦
論文閱讀筆記三十八：Deformable Convolutional Networks（ECCV2017）
論文源址：https://arxiv.org/abs/1703.06211 開源項目：https://github.com/msracver/Deformable-ConvNets 摘要 卷積神經網絡由於其構建時固定的網絡結構，因此只能處理模型的幾何變換問題。本文主要介紹 ...
Deformable Convolutional Networks
1 空洞卷積 1.1 理解空洞卷積 在圖像分割領域，圖像輸入到CNN（典型的網絡比如FCN）中，FCN先像傳統的CNN那樣對圖像做卷積再pooling，降低圖像尺寸的同時增大感受野，但是由於圖像分 ...
《Learning Convolutional Neural Networks for Graphs》論文閱讀
首先，容我吐槽一下這篇論文的行文結構、圖文匹配程度、真把我搞得暈頭轉向，好些點全靠我猜測推理作者想干嘛，😈 背景 我們知道傳統的CNN針對的是image，是歐氏空間square grid，那么使用同樣square grid的卷積核就能對輸入的圖片進行特征的提取。在上一篇論文中，使用的理論 ...
《Diffusion-Convolutional Neural Networks》論文閱讀
DCNN 主要思想： 這是一篇基於空間域的圖神經網絡，聚合方式通過采樣（hop）1~k 階的鄰居並同 self 使用 mean 的方式得到新的 feature-vector 作者將不同的 ...
Densely Connected Convolutional Networks 論文閱讀
畢設終於告一段落，傳統方法的視覺做得我整個人都很奔潰，終於結束，可以看些擱置很久的一些論文了，嚶嚶嚶 Densely Connected Convolutional Networks 其實很早就出來了，cvpr 2017 best paper 覺得讀論文前，還是把dense net的整個 ...
《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》論文閱讀（二）
GCN的定義 下面內容參考kipf博客，個人認為是告訴你從直覺上，我們怎么得到GCN圖上的定義（而前面的大幅推導是從理論上一步一步來的，也就是說可以用來佐證我們的直覺） 我們的網絡輸入是\(\ma ...
論文閱讀-(CVPR 2017) Kernel Pooling for Convolutional Neural Networks
在這篇論文中，作者提出了一種更加通用的池化框架，以核函數的形式捕捉特征之間的高階信息。同時也證明了使用無參數化的緊致清晰特征映射，以指定階形式逼近核函數，例如高斯核函數。本文提出的核函數池化可以和CNN網絡聯合優化。 Network Structure Overview Kernel ...