一、SPD-Conv论文理论
1.理论思想
本文提出的方法主要用于解决模型对低分辨率或小目标检测精度低等问题(细粒度信息的丢失和较少有效的特征表征学习),主要由空间到深度层和非补偿卷积层组成。
2.创新点
(1)空间到深度层:降采样特征图的通道维度,保留特征信息,避免传统方法导致的信息丢失问题。
(2)非步长卷积层:在SPD层后加入步长为一的卷积层,减低通道数量的同时利用科学系的参数对特征进行处理。
操作过程
本文提出的方法主要用于解决模型对低分辨率或小目标检测精度低等问题(细粒度信息的丢失和较少有效的特征表征学习),主要由空间到深度层和非补偿卷积层组成。
(1)空间到深度层:降采样特征图的通道维度,保留特征信息,避免传统方法导致的信息丢失问题。
(2)非步长卷积层:在SPD层后加入步长为一的卷积层,减低通道数量的同时利用科学系的参数对特征进行处理。
操作过程