Github 项目推荐 | 论文的代码实现：可变形ConvNets v2的PyTorch实现

本项目包含基于论文《Deformable ConvNets v2: More Deformable, Better Results（可变形的ConvNets v2：可变形性越强，效果更加好）》，用PyTorch实现的可变形ConvNets v2（经过调制的可变形卷积）代码。项目基于ChunhuanLin / deform_conv_pytorch的可变形卷积的实现，感谢ChunhuanLin。

访问本文链接内容，请点击文末【阅读原文】

  项目地址：

https://github.com/4uiiurz1/pytorch-deform-conv-v2

  论文地址：（提醒：需要科学地使用网络进行访问）

https://arxiv.org/abs/1811.11168

  TODO

 基于论文的可变形卷积的初始化权值

 将偏移量和调制的学习率设置为与其他层不同的值

 标度mnist实验结果

 支持不同的步伐

 DeepLab + DCNv2

 VOC分割实验的结果

  环境要求

• Python 3.6

• PyTorch 1.0

  使用方法

用调制变形卷积替换掉常规卷积（模型的conv2如下）：

class ConvNet(nn.Module):
  def __init__(self):
      self.relu = nn.ReLU(inplace=True) 
      self.pool = nn.MaxPool2d((2, 2))    
      self.avg_pool = nn.AdaptiveAvgPool2d(1)
      
      self.conv1 = nn.Conv2d(3, 32, 3, padding=1)    
      self.bn1 = nn.BatchNorm2d(32)    
      self.conv2 = nn.DeformConv2d(32, 64, 3, padding=1, modulation=True)    
      self.bn2 = nn.BatchNorm2d(64)  
        
      self.fc = nn.Linear(64, 10)  
      
  def forward(self, x):
      x = self.relu(self.bn1(self.conv1(x)))
      x = self.pool(x)
      x = self.relu(self.bn2(self.conv2(x)))

      x = self.avg_pool(x)
      x = x.view(x.shape[0], -1)
      x = self.fc(x)
  
      return x

  训练

ScaledMNIST

ScaledMNIST是一种随机缩放的MNIST。

在conv3~4使用调制变形卷积训练：

python train.py --arch ScaledMNISTNet --deform True --modulation True --min-deform-layer 3

在conv3~4使用可变形卷积训练：

python train.py --arch ScaledMNISTNet --deform True --modulation False --min-deform-layer 3

只用常规卷积训练：

python train.py --arch ScaledMNISTNet --deform False --modulation False

  结果

ScaledMNIST

下表：Model：模型，Accuracy：精确度，Loss：损失

【AI求职百题斩 - 每日一题】

赶紧来看看今天的题目吧！

想知道正确答案？

点击今日推文【第4条】或 在公众号回复“0110挑战”即可答题获取！

点击阅读原文，查看本文更多内容