CVPR 2021 论文解读I 动态区域感知卷积，进一步提升分类/检测/分割性能|Dynamic Region-Aware Convolution

论文单位：旷视研究院

论文链接：https://arxiv.org/abs/2003.12243

作者：Jin Chen, Xijun Wang, Zichao Guo, Xiangyu Zhang, Jian Sun

摘要

旷视研究院提出一种新颖的卷积方式，名为动态区域感知卷积(DRConv)，它能为特征具有相似表示的相应空间区域自动地分配定制卷积核，相较标准卷积，这种卷积方式大大地增强了对图像语义多样性的建模能力。DRConv通过可学习的指示器(learnable instructor)将逐步增加的通道维卷积核变换至空间维，这一方面增强了卷积的表征能力，另一方面控制计算成本并使平移不变性保持与标准卷积一致。（由于每个卷积层可以视为一次滤波操作，所以我把文中的filter理解为网络指定卷积层中的等效卷积核）。

DRConv是一种高效且灵活的卷积方法，适用于处理复杂且多变的空间信息分布，在各种模型(MobileNet series, ShuffleNetV2, etc.)与视觉任务(Classification, Face Recognition, Detection and Segmentation)中证实了其有效性和优越性。

介绍

目前主流的卷积操作ÿ