Deformable Convolutional Networks-筆記

基本思想：通過在模型裏邊，增加額外的偏移，來增強空間採樣位置，並且從目標學習這個偏移，而不需要額外的標記。 本文第一次證明，在深度CNN，通過學習稠密的空間變換，對比較複雜的任務有有效的作用，比如目標檢測，分割。 代碼開源 目標檢測的一個挑戰就是：如何適應目標的尺度，位置，視角，部分變形的幾何變換。通常來說有兩種方法，數據增強，使用transformation-invariant features

>>阅读原文<<