图像分类方向，仅作学习了解，不扩展细节。
作者认为：不仅自然世界中的图像存在高低频，卷积层的输出特征图以及输入通道（feature maps or channels）也都存在高、低频分量。低频分量支撑的是整体，比如企鹅的白色大肚皮。显然，低频分量是存在冗余的，在编码过程中可以节省。
在音乐中，Octave是八音阶的意思，隔一个八音阶，频率会减半；在这里，drop an octave就是通道尺寸减半的含义。基于以上考虑，作者提出OctConv用以取代传统CNN（vanilla CNN）。有以下两个关键步骤：
第一步，要获得输入通道（或图像）的线性尺度表示，称为Octave feature representation。
所谓高频分量，是指不经过高斯滤波的原始通道（或图像）；
所谓低频分量，是指经过t=2的高斯滤波得到的通道（或图像）。
由于低频分量是冗余的，因此作者将低频分量的通道长/宽设置为高频分量通道长/宽的一半。
Q：那么高频通道和低频通道比例是多少呢？
- 作者设置了一个超参数α∈[0,1]α∈[0,1]，表示低频通道的比例。
- 输入通道低频比例αin和输出通道低频比例αout设为相同。
Q：由于高/ 低频通道尺寸不一致，因此传统卷积无法执行。
但我们又不能简单地对低频通道进行升采样，因为相当于白干，计算量和内存就没办法节省了。
作者提出了对应的卷积解决方案：Octave Convolution。
该文通过尺度空间变换和Octave卷积操作，让网络更清晰地分开处理高、低频分量，并且在低频分量上节约了计算量。
计算过程及笔记：
3637
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
