[動態卷積]--Dynamic Convolution:Attention over Convolution Kernels

文章的方法並沒有在ResNet等大網絡上測試,我覺得最大的問題就是參數量3倍、4倍的漲幅,而且存在訓練困難的問題。因爲這些問題,沒有繼續看下去。 摘要: 輕量級卷積神經網絡(CNNs)由於其較低的計算預算限制了CNNs的深度(卷積層的數量)和寬度(通道的數量),導致其性能下降,從而限制了其表示能力。爲了解決這個問題,我們提出了動態卷積,一種新的設計,在不增加網絡深度或寬度的情況下增加模型的複雜性。
相關文章
相關標籤/搜索