概念
DCNv1
DCNv2
- 由输入特征学习得到的偏移量来改变标准卷积的采样位置,类似于attention机制,特征本身包含了需要关注的位置的信息,通过卷积将其提取出来,然后反向作用于特征本身。SE通过通道均值和线性层提取需要关注的层的信息,然后反向作用于层。
- V1使用卷积给出x,y偏移位置,然后插值提取特征
- V2除了给出x,y以外还给出额外的权重控制系数w,决定卷积核中某个系数的重要性,取值0~1. 另外还给出了新的Deformable Position-Sensitive (PS) RoI Pooling方法,原理和V2类似。
实现
- 通过卷积计算出的x,y offset是浮点数,而位置是整数,如何处理?类似于RoiAlign,对特征进行插值。