[CVPR2022 | 论文简读] 重新审视池化:你的感受野不是最理想的
2023-02-18 16:47:53 时间
简读分享 | 汪逢生 编辑 | 陈兴民
论文题目
Pooling Revisited: Your Receptive Field is Suboptima
论文摘要
本文提出了一种简单而有效的动态优化池操作( Dynamically Optimized Pooling operation),称为DynOPool,它通过学习每一层感受野的最佳大小和形状来优化特征映射的端到端比例因子。深度神经网络中任何类型的调整大小模块都可以用DynOPool操作以最小的成本替换。此外,DynOPool通过引入一个限制计算成本的附加损失项来控制模型的复杂性。本文通过介绍固定大小和形状的传统感受野是次优的问题,讨论了DynOPool如何通过CIFAR-100上的VGG-16实验解决这个问题。
论文链接
https://arxiv.org/abs/2205.15254
相关文章
- Kotlin 协程真的比 Java 线程更高效吗?
- 鸟哥的私房菜学习笔记 -- iptables防火墙设置
- tcpdump命令讲解
- /etc/profile,/etc/bashrc等文件的区别与作用
- openwrt中br-lan,eth0,eth0.1,eth0.2
- centos下安装使用composer
- 近距离接触HTTP协议
- 代理网站列表
- yunfile文件下载脚本
- 简单socket编程2
- Docker高级篇:docker网络的四种类型
- Java HashMap原理
- http库测试工具 - httpbin
- 大流量网站怎么优化
- 使用ssh的反向隧道管理内网路由器
- ZETA端智能振温传感器 解决工业场景“非计划停机”难题
- pip下使用代理安装包
- 每天自动升级你的Centos
- 在MAC下使用proxychain
- DAPP链上智能合约模式系统开发现成成熟技术