代码实现-CVPR2020-Dynamic Convolution: Attention over Convolution Kernels

代码参考链接

链接1
链接2
强调注意看issue部分，动态卷积的参数初始化很重要，Bias初始化的部分有错误。需要根据issue进行修改。self.bias = nn.Parameter(torch.zeros(K, out_planes))

论文理解材料

链接
核心思想，原来是多个样本采用一组固定的卷积参数，现在是每个样本输入，对应生成一组卷积参数，训练的时候有K个卷积核参数，通过attention模块产生K个参数，组合叠加生成对应的一组卷积参数。
另外，高维特征适合作为动态卷积的输入，需要根据实际任务场景进行微调。