【学习心得】CANN训练营第三期 可变形卷积在分割场景中的优势

在计算机视觉领域，同一物体在不同场景，角度中未知的几何变换是检测/识别的一大挑战，通常我们有两种做法:

(1)足够大的数据量，扩充足够多的样本去增强模型适应尺度变换的能力，因为样本的局限性模型的泛化能力会较低。

(2)设置一些针对几何变换不变的特征或者算法，算法的复杂性导致难以设计。

可变形卷积顾名思义就是卷积的位置是可变形的，并非在传统的N × N的网格上做卷积，这样的好处就是更准确地提取到我们想要的特征（传统的卷积仅仅只能提取到矩形框的特征），如下图：

右边的可变形卷积提取到了完整的不规则绵羊的特征。

通过增加一个偏移量，增加少量的计算来得到更好的我们想要的特征。这就是可变形卷积带来的好处与便利，