科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对可形变卷积会产生巨大的计算开销，使得检测速度减慢的问题，提出一种轻量级可形变卷积神经网络DPCNs。该网络使用了可形变逐点卷积（Deformable Pointwise Convolution）能有效缩减计算量，在保持非规则感受野特性并获得检测精度提升的同时，有效提高检测速度。此外将深度卷积与可形变逐点卷积相结合，可在保持模型轻量化的同时，进一步提高检测精度。实验结果表明，以Mask R-CNN作为基本检测框架，检测精度比普通卷积提高了1.7%，检测速度比可形变卷积提高了8%。
- 出版日期2022
- 单位成都信息工程大学
