![9fcb4667ed0f22d58d452c19d75ad9cf.png](https://img-blog.csdnimg.cn/img_convert/9fcb4667ed0f22d58d452c19d75ad9cf.png)
背景
《Improving Convolutional Networks with Self-calibrated Convolutions》是2020年CVPR的论文,作者来自于南开大学程明明团队。最近各种卷积注意力组合的模块工作层出不穷,性能涨点明显,包括之前的Res2Net、李沐团队的ResNeSt,应该是近期的热点方向。
论文地址:
http://mftp.mmcheng.net/Papers/20cvprSCNet.pdfmftp.mmcheng.net代码地址:
https://github.com/MCG-NKU/SCNetgithub.com.
1. 研究动机:
该论文提出了一种自校准的模块(多个卷积注意力组合的模块),替换基本的卷积结构,在不增加额外参数和计算量的情况下,该模块能够产生全局的感受野。相比于标准卷积,该模块产生的特征图更具有区分度。
2 方法介绍
![9f3e5e817395c5c8b910d67f22379a7e.png](https://img-blog.csdnimg.cn/img_convert/9f3e5e817395c5c8b910d67f22379a7e.png)
整体结构如图所示:
将原有的KxKxCxC的卷积分