- paper
动机
- 以前的网络都是关注cnn的网络结构,比如ResNet,Inception等
- 这里关注卷积这个操作本身,
贡献
- 提出了Active Convolution Unit,
方法
- ACU概念
- ACU可以为具有可学习位置参数的卷积定义更多不同形式的感受域;
- 与传统卷积相比,ACU可以生成分数扩张卷积并用于直接计算内插卷积的结果。将离散的过程,连续化;
- 卷积公式:
-
前馈过程
-
反馈过程
优点
- ACU是卷积的推广; 它不仅可以定义所有常规卷积,还可以定义具有分数像素坐标的卷积。我们可以随意定义卷积的形状,这极大给CNN机构自由。
- 卷积的形状是学习的在训练的时候,不需要手动调节;
- ACU可以学习更好的卷积单元,我们可以获得提升仅仅通过改变方便的卷积。