什么是可切换的空洞卷积以及我们为什么使用它？答案

【问题标题】：What is switchable atrous convolution and why we use it?什么是可切换的空洞卷积以及我们为什么使用它？
【发布时间】：2021-04-26 05:46:02
【问题描述】：

我试图理解一篇名为“DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution”的研究论文。我不明白的是“Switchable Atrous Convolution”是如何工作的以及我们为什么使用它？我知道 Atrous/Dilated convolution 是什么，但这里的 Switchable 是什么？它是如何确定的？在问这个问题之前，我花了几天时间试图掌握这个概念。

以下是我收集和阅读的链接（也可能对您有所帮助）：

Official research paper at arxiv

Medium blog to get high-level overview

Python Implementation of Switchable Atrous Convolution (official GitHub repo)

我真的很珍惜你的时间。

谢谢。

【问题讨论】：

标签： machine-learning deep-learning computer-vision pytorch object-detection

【解决方案1】：

我正在回答我自己的问题，希望对其他人有所帮助。 SAC 就像一个软开关，更像是一个混合系数，它告诉我们从空洞卷积（具有不同的空洞率）中获取什么信息并将它们混合起来。由于“S”依赖于 1x1 卷积具有可训练的参数，这有助于网络学习最佳混合系数。这就是我们的算法如何使用不同的感受野（不同的空洞率）两次查看图像以捕获重要的语义级别信息，这对于对象检测和语义/实例分割很重要。

这些图片对我展开信息很有帮助。

【讨论】：