【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
【摘要】 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...
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,
【版权声明】本文为华为云社区用户原创内容,未经允许不得转载,如需转载请自行联系原作者进行授权。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)