论文阅读——Dynamic Convolution: Attention over Convolution Kernels

原文链接:https://arxiv.org/abs/1912.03458 CVPR 2020 

该论文是在CondConv的基础上进行改进的。对CondConv生成权重部分进行改进,用SE(将最后的sigmod替换成softmax)注意力生成不同卷积核的权重。

动态卷积不是每层使用单个卷积核,而是根据输入相关的注意力动态聚合多个并行卷积核。

 训练策略:

  1. 注意力取值限制在0与1之间,同时所有注意力的和为1。即0<\pi _{i}<1,\sum\left (\pi _{i} \right )= 1
  2. 早期训练时期的注意力要近乎一致。

参考文章: Dynamic Convolution: Attention over Convolution Kernels_JuyongJiang的博客-CSDN博客

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值