Pointnet++改进即插即用系列：全网首发Shift-ConvNets具有大核效应的小卷积核 |即插即用，提升特征提取模块性能

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Shift-ConvNets具有大核效应的小卷积核，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

2.修改步骤

2.1 步骤一

         2.2 步骤二

         2.3 步骤三

---

1.理论介绍

近年来的研究表明，视觉变压器(ViTs)的卓越性能得益于大的接受野。因此，大卷积核设计成为卷积神经网络(cnn)再次伟大的理想解决方案。然而，典型的大卷积核是对硬件不友好的运算符，导致各种硬件平台的兼容性降低。因此，简单地扩大卷积核的大小是不明智的。

在本文中，我们揭示了小卷积核和卷积操作可以实现大核大小的关闭效果。然后，我们提出了一种移位算子，确保cnn在稀疏机制的帮助下捕获远程依赖关系，同时保持硬件友好。实验结果表明，我们的移位算子显著提高了常规CNN的准确率，同时显著降低了计算需求。在ImageNet-1k上，我们的移位增强CNN模型优于最先进的模型。