ACNet

最新推荐文章于 2022-11-01 19:07:51 发布
最新推荐文章于 2022-11-01 19:07:51 发布
阅读量5.8k 收藏 16
点赞数
分类专栏： 目标检测 文章标签： 深度学习 目标检测 计算机视觉 卷积神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43711554/article/details/104767395
版权

论文：ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks（ICCV 2019）
代码：https://github.com/DingXiaoH/ACNet

文章目录

动机

现在一般网络中 3 ∗ 3 3*3 3∗3 卷积核使用最为广泛，为增强特征提取效率，将 3 ∗ 3 3*3 3∗3 的卷积核拆分成几个不同形状卷积核的形式进行训练，推理阶段将其融合为一个 3 ∗ 3 3*3 3∗3 卷积，没有带来额外的计算量，但是提取特征的能力更强。这依赖于卷积操作的可叠加性：

在这里插入图片描述
在这里插入图片描述

非对称卷积

训练阶段

  • 将卷积核分成三个部分（如下图），称为非对称卷积(Asymmetric Convolution)，以增强提取特征的能力
  • 横向卷积和纵向卷积可以提升网络对图像翻转的鲁棒性在这里插入图片描述

测试阶段

  • 卷积核完成了融合，在测试时与普通卷积核一样并不增加计算量
    在这里插入图片描述

融合方式

在这里插入图片描述

测试阶段在卷积核融合前BN比融合后BN的效果更好，统一进行BN弱化了不同卷积之间的特点。

相关实验

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

参考文献

【1】ACNet——涨点且不增加耗时的技巧
【2】33卷积+13卷积+3*1卷积=白给的精度提升 | ICCV 2019
【3】ICCV 2019 ACNet实现说明 (PaddlePaddle Version)

xiaochengJF
关注
  • 0
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
ACNet:交流网
05-10
交流网 这是官方的工具 , , Lei Fei, Accepted by IEEE ICIP 2019 实验结果 我们在SUN-RGBD和NYUDv2中评估ACNet的mIoU 太阳RGBD 纽约市第二版 密欧 48.1％ 48.3％ 如何使用 这段代码是NYUDv2工具。 要求 Python 3 Pytorch 0.4.1 TensorboardX Tensorboard 训练模式 python ACNet_train_V1_nyuv2.py --cuda -b 4 评估模式 NYUDv2的预训练模型可从。 带有.npy格式的预处理NYUDv2数据集可在，密码：k6rv python ACNet_eval_nyuv2.py --cuda --last-ckpt '.\model\ckpt_epoch_1195.00.pth' 注意：该代码部分基于RedNet（
ACNet：深度学习中的自适应卷积网络新星
最新发布
gitblog_00084的博客
04-25 524
ACNet：深度学习中的自适应卷积网络新星 项目地址:https://gitcode.com/DingXiaoH/ACNet 在深度学习领域，卷积神经网络（CNN）一直是图像处理和计算机视觉任务的核心技术。然而，传统的固定大小的卷积核无法灵活适应不同区域的信息密度。针对这一问题，ACNet（Adaptive Convolution Network）项目应运而生，它引入了一种新型的自适应卷积层，旨...
ACNet(无痛涨点)
justsolow的博客
05-26 4148
ACNet(无痛涨点) 论文链接 1. 前言 不知道你是否发现了，CNN的结构创新在这两年已经变得相对很少了，同时要做出有影响力并且Solid的工作也变得越来越难，最近CNN结构方面的创新主要包含两个方面： 1、网络结构搜索，以Google Brain的EfficientNet为代表作。 2、获取更好的特征表达，主要是将特征复用，特征细化做得更加极致，以HRNet，Res2Net等为代表作。 本文要介绍的是ICCV 2019的一个新CNN架构ACNet（全称为Asymmetric Convolution N
超实用性！哈工大提出ACNet：用于超分辨的非对称卷积神经网络
阿木寺的博客
04-05 2467
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达由哈尔滨工业大学、鹏城实验室、国立清华大学及香港中文大学的学者提出了一种用于盲噪声的盲超分辨的非对称卷积神经网络，该论文...
细粒度分类：ACNet（Attention Convolutional Binary Neural Tree）
DaZheng121的博客
05-06 2288
文章目录前言摘要一、简介二、相关工作三、Attention Convolutional Binary Neural Tree3.1 ArchitectureBackbone network moduleBranch routing moduleAttention transformerLabel prediction3.2 TrainingData augmentationLoss functionOptimization四、实验五、结论其他 前言 本文主要介绍 Attention Convolution
【ICCV 2019】ACNet: 使用非对称卷积块增强CNN的卷积核骨架
weixin_44378835的博客
07-20 1940
这篇文章提出了ACNet，使用了一种可以替代原始CNN模型中普通方形$d\times d$卷积核的非对称卷积块（ Asymmetric Convolution Block，ACB）。非对称卷积块由卷积核为方形($d×d$)、水平($1×d$)和垂直($d×1$)的三个平行层组成，水平和垂直卷积核与方形卷积核相加可以对方形卷积核的骨架进行增强。利用得到的卷积核参数对原始模型进行部署还可以在不需要额外的计算成本的前提下提升原始模型的准确率：.....................
ACNet.pptx
07-30
ACNet论文解读。核心思想是通过非对称卷积块增强CNN的核骨架。即使用非对称的卷积核组，替换目前CNN架构中常用的3x3 / 5x5 / 7x7方形卷积核，以支持网络对某些非对称的图像特征实现更有效的特征提取。这样的非对称...
ACNet：通过非对称卷积块增强强大的CNN的内核骨架-Python开发
05-25
ACNet：通过非对称卷积块增强强大的CNN的内核骨架ACNet ICCV 2019论文：ACNet：通过非对称卷积块增强强大的CNN的内核骨架 其他实现：PaddlePaddle重新实现以构建ACNet和转换权重已被PaddlePaddle官方仓库接受。 @ ...
ACNet:用于图像超分辨率的非对称CNN（有关Systmes，Man和Cyber​​netics的IEEE Transactions
04-01
在本文中，我们提出了一种非对称CNN（ACNet），包括一个非对称块（AB），一个内存增强块（MEB）和一个高频特征增强块（HFFEB），用于图像超分辨率。 AB利用一维非对称卷积在水平和垂直方向上增强正方形卷积核，以...
matlab中代码返回到某一行-p2acnet:该模块与费米实验室ACNET上的数据记录器信息接口。该程序允许将数据请求发送到指定通道/时间的
05-27
ACNET模块 描述 该模块与费米实验室ACNET上的数据记录器信息接口。 该程序允许将数据请求发送到指定通道/时间的ACNET。 然后，它解析数据，并且可以将其以channel：data_array对的字典形式返回，也可以使用格式化的x...
DiverseBranchBlock: “无痛涨点”的ACNet再进化，清华大学&旷视科技提出Inception类型的DBB
程序员深度学习
03-27 293
1. 摘要 本文提出一种可以提升CNN性能且“推理耗时无损”的通用模块组件，我们将其称之为Diverse Branch Block(DBB)，它通过组合不同尺度、不同复杂度的分支(不同分支采用卷积序列、多尺度卷积或者均值池化)丰富特征空间的多样性达到提升单个卷积(注：推理时合并为单个卷积)表达能力的目的。一旦完成训练，一个DBB可以等价地转换为单个卷积以方便布署。 不同于ConvNet架构的推陈出新，DBB在训练时采用了复杂的“微结构”且保持网络整体结构不变；而在推理/部署时，DBB这种复杂结构可以等价转.
3*3卷积+1*3卷积+3*1卷积=白给的精度提升
jacke121的专栏
03-26 9341
ICCV2019: 通过非对称卷积块增强CNN的核骨架 下面要介绍的论文发于ICCV2019，题为「ACNet:Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric ConvolutionBlocks」，axriv地址为：https://arxiv.org/abs/1908.03930v1。 由...
ACNet：基于非对称卷积的图像超分辨率
weixin_46348448的博客
04-27 1126
**标题：**Asymmetric CNN for image super-resolution **作者：**Chunwei Tian, Yong Xu, Wangmeng Zuo, Chia-Wen Lin, David Zhang 标签：Image super-resolution, CNN, asymmetric architecture, multi-level feature fusion, blind SISR, multiple degradation task 发布时间： [v1]____
ACNet：用于图像超分的非对称卷积（附实现code）
Maple__Boy
07-13 743
不一样的卷积方式
【网络结构复现】之ACNet
qq_44785998的博客
04-12 1928
网络出处请看这篇博客：基于注意力机制的深度学习路面裂缝检测 直接上代码了，不会的地方可以留言 AFM.py from torch import nn class ConvG1(nn.Module): #ConvG1采用 7×7 和 3×3 步长均为 2 的 2 种卷积核 def __init__(self): super(ConvG1, self).__init__() self.conv1 = nn.Conv2d(512,128,7,2,3)
【ACNET2019】：ATTENTION BASED NETWORK TO EXPLOIT COMPLEMENTARY FEATURES FOR RGBD SEMANTIC SEGMENTATION
我的博客
11-01 455
与RGB语义分割相比，RGBD语义分割通过考虑深度信息可以获得更好的性能。然而，由于RGB和深度（D）图像的特征分布在不同场景中显著不同，当代分割器有效地利用RGBD信息仍然存在问题。在本文中，我们提出了一种注意力互补网络（ACNet），它选择性地从RGB和深度分支中收集特征。主要贡献在于注意力补充模块（ACM）和具有三个并行分支的体系结构。更准确地说，ACM是一个基于通道注意力的模块，它从RGB和深度分支中提取加权特征。该架构保留了原始RGB和深度分支的推断，同时启用了融合分支。基于上述结构，ACNet能
《ACNet》
69小石头的博客
08-13 1389
读这篇文章的目的就是单纯冲着网络模型的，看在去噪任务上是否可以达到很好的结果。ACNet：通过非对称卷积块增强强大的CNN的内核骨架 一、论文 《ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks》 摘要：由于在给定应用程序的背景下设计适当的卷积神经网络（CNN）架构通常会涉及大量的人工工作或大量的GPU时间，因此研究团体正在征求架构中立的CNN结构，可以轻松地将其插入
结构重参数化之一：ACNet
00000cj的博客
03-22 4439
论文ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks 代码GitHub - DingXiaoH/ACNet: ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks 前言 本文提出了一种architecture-neut...
ACNet——涨点且不增加耗时的技巧
AI之路
01-09 6821
论文：ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks 论文链接：https://arxiv.org/abs/1908.03930 代码链接：https://github.com/DingXiaoH/ACNet 图像分类领域，从VGG到DenseNet那几年是比较...
acnet代码pytorch
07-28
很抱歉，我无法提供ACNet的PyTorch代码。根据引用\[1\]，ACNet是一种通过使用不对称卷积块来加强卷积神经网络的方法。在引用\[1\]中提到，训练完成后，可以通过在每个ACB中添加不对称卷积核到骨架上来将模型转换回原始结构。然后，可以使用ACNet的转换学习参数来初始化新模型。如果您对ACNet的PyTorch实现感兴趣，建议您查阅相关的研究论文和开源代码，以获取更详细的信息和实现细节。 #### 引用[.reference_title] - *1* *2* [基于ACNet构建ResNet50backbone的Pytorch代码实现](https://blog.csdn.net/practical_sharp/article/details/114932462)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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