1. DBB介绍
1.1 摘要:我们提出了卷积神经网络(ConvNet)的通用构建块来提高性能,而无需任何推理时间成本。 该块被称为多样化分支块(DBB),它通过组合不同尺度和复杂度的不同分支来丰富特征空间,从而增强单个卷积的表示能力,包括卷积序列、多尺度卷积和平均池化。 训练后,DBB可以等效地转换为单个卷积层进行部署。 与新颖的 ConvNet 架构的进步不同,DBB 在保持宏观架构的同时使训练时的微观结构变得复杂,因此它可以用作任何架构的常规卷积层的直接替代品。 通过这种方式,可以训练模型达到更高的性能水平,然后转化为原始的推理时间结构进行推理。 DBB 在图像分类(ImageNet 上的 top-1 准确率提高了 1.9%)、对象检测和语义分割方面改进了 ConvNet。
官方论文地址:https://arxiv.org/pdf/2103.13425
官方代码地址: