OctConv

首先参考

https://mp.weixin.qq.com/s/NthR9-iE2jqgufnBtToOHA

然后参考原文

补充理解

（1）这里的核心思想就是低频特征图和高频特征图，在概念上是可以理解的，符合人的思维习惯。在实施上述思想的过程中。对于低频特征图 就选择压缩，压缩之后，特征图的size就会减半！
（2）同时低频特征图和高频特征图之间有交流。高频特征图到低频特征图 就是pooling。低频特征图到高频特征图就是上采样
（3）控制低频图和高频特征图和高频特征图的通道比例就是alpha
注意：在文中 似乎是除了第一层和最后一层，其他的层都是alpha in=alpha out
而第一层中alpha in=0 alpha out=alpha
最后一层 alpha in=alpha alpha out=0
（4）理论上说alpha in与alpha out是独立的
但是由于低频和高频之间的交流文中选择的是pooling和upsampling，这一点限制了alpha in=alpha out
一旦去除低频和高频之间的交流或者采用卷积实现交流，alpha in、alpha out就可以独立取值了

期待

（1）之后待做的工作 可以用神经网络搜索 得到超参数alpha在不同阶段的分布情况，进而可以指导更多工作。
（2）这种结构能否提高目标检测的效果，毕竟 他区分了 高频和低频特征图。