摘要
CoordConv通过使用额外的坐标通道让卷积访问自己的输入坐标,允许网络根据任务需要学习平移不变性或平移依赖性。对比卷积,CoordConv具有更好的泛化性、更少的参数和更快的速度。文中提供了初步证据,证明将卷积转换为CoordConv可以在各种任务上改进模型,包括GAN中的模式崩溃减少,MNIST检测的IOU提高以及强化学习领域的智能体受益。
论文链接:https://arxiv.org/pdf/1807.03247.pdf
GitHub:https://github.com/uber-research/CoordConv
CoordConv的构造如下图所示: