形变卷积神经网络

赵源欣

参考论文：Deformable Convolutional Networks

卷积神经网络中的基本模块是卷积流，即卷积、池化、非线性和批量归一化。其中卷积的具体表达为：

形变卷积神经网络，具体对卷积流中的卷积和池化进行改进，其中卷积的改进称为形变卷积操作（注意其中的Δp_n为待优化的参数，且该参数∈Ζ），即

形变卷积的图示

输入图片中的一个点，投射到第一隐层上则变为9个点（因为滤波器的大小为3x3），第一隐层再投射到第二隐层则变为81个点，依此类推……，注意左边的图为规则（或正常）卷积的点随着层级的变化而对应的关系（亦可从父节点与子节点角度理解）

形变卷积神经网络——形变卷积操作

形变卷积神经网络——形变池化

生物机理：固定感受野到自适应感受野。数学分析：卷积操作到形变卷积操作；池化操作到形变池化操作。物理解释：加入形变因子（待优化参数），随着层级的增加，可保持父节点（上一层特征映射图中的某一点）与子节点（下一层特征映射图中若干点，子节点的个数取决于滤波器的大小，即滤波器为3x3，则子节点为9）的相似性。应用场景：图中显著区域提取等。