CNN卷积

卷积核一定越大越好 – 3×3卷积核

利用2个3×3卷积核的组合比1个5×5卷积核的效果更佳,同时参数量(3×3×2+1 VS 5×5×1+1)

每层卷积只能用一种尺寸的卷积核?– Inception结构


1×1卷积核也被认为是影响深远的操作,往后大型的网络为了降低参数量都会应用上1×1卷积核。

卷积操作时必须同时考虑通道和区域吗?– DepthWise操作

“DepthWise convolution” ,缩写“DW”
1.直接接一个3×3×256的卷积核,参数量为:3×3×3×256 = 6,912
2.DW操作,分两步完成,参数量为:3×3×3 + 3×1×1×256 = 795,又把参数量降低到九分之一!

分组卷积能否对通道进行随机分组?– ShuffleNet

通道间的特征都是平等的吗? – SEnet

能否让固定大小的卷积核看到更大范围的区域?– Dilated convolution

卷积核形状一定是矩形吗?– Deformable convolution 可变形卷积核

请作者喝一杯咖啡☕️