简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!
2.本篇文章对Pointnet++特征提取模块进行改进,加入
DBB多元分支块,提升性能。
3.专栏持续更新,紧随最新的研究内容。
目录
1.理论介绍
我们提出了一种通用的卷积神经网络(ConvNet)构建块,在不需要任何推理时间成本的情况下提高其性能。该块被命名为多元分支块(DBB),通过组合不同规模和复杂度的分支来增强单个卷积的表示能力,从而丰富特征空间,包括卷积序列、多尺度卷积和平均池化。经过训练后,DBB可以等效地转换为单个转换层进行部署。与新颖的ConvNet体系结构的进步不同,DBB在保持宏观体系结构的同时使训练时间的微观结构复杂化,因此它可以用作任何体系结构的常规转换层的临时替代品。这样,可以训练模型达到更高的性能水平,然后将其转化为原始的推理时间结构进行推理。DBB在图像分类、目标检测和语义分割方面改进了ConvNets(在ImageNet上的前一准确率提高了1.9%)。