ECCV2020-DY-RELU

 

• 论文地址：https://arxiv.org/abs/2003.10027
• 论文代码：https://github.com/Islanna/DynamicReLU
• 三方复现：Dynamic ReLU: 与输入相关的动态激活函数 - 知乎 

 

 

ReLU是深度学习中很重要的里程碑，简单但强大。目前有很多ReLU的改进版，比如Leaky ReLU和 PReLU，而这些改进版和原版的最终参数都是固定的。所以论文自然而然地想到，如果能够根据输入特征来调整ReLU的参数可能会更好。

  基于上面的想法，论文提出了动态ReLU(DY-ReLU)。如上图所示，DY-ReLU是一个分段函数，参数由超函数根据输入得到。在带来少量额外计算的情况下，显著地提高网络的表达能力。论文提供了三种形态的DY-ReLU，在空间位置和维度上有不同的共享机制。不同形态的DY-ReLU适用于不同的任务。

  分类任务：建议使用DY-ReLU-B和DY-ReLU-C

  关键点任务：backbone建议使用DY-ReLU-B和DY-ReLU-C，head建议使用DY-ReLU-C

实验结果：

图像分类：前后顺序实验：放在backbone提升更明显

下面的实验：个人觉得DY-RELU更适合轻量小网络

 

优点：提升精度

缺点：速度变慢

 

 

 参考：

1：Dynamic ReLU：微软推出提点神器，可能是最好的ReLU改进 | ECCV 2020 - 知乎