受变形卷积核、可分离卷积?卷积神经网络中十大拍案叫绝的操作文章的启发,我们从卷积操作本身进一步进行理解。下图方便直观理解标准的卷积过程。
卷积核的维度由四个参数决定:输入特征图的通道数、滤波器的高度、滤波器的宽度和输出特征图的通道数。如下通过对这四个参数本身或者参数之间的关联方式来见证奇迹的发生。ps:输入通道数和输出通道数本身数值并不会发生改变,变化的是结合滤波器处理不同的空间位置后带来的变化。
首先从滤波器大小改变后产生的影响进行说明。2D空间中,滤波器大小直接决定了特征点的感受野,关于感受野的计算可以移步这里查看。从感受野相同的角度出发,可以使用多个小滤波核替代大的滤波核,还可以通过Dilated convolution直接获得较大感受野;从采样点的角度出发,可以使用Deformable convolution替换正方形的卷积核。如使用3个3*3的滤波核替代1个7*7的滤波核,保证了感受野的相同,同时带来一些积极的影响:减少参数量(单核的参数量由7*7=49减少到3*3*3=27个),同时