【CVPR2021】动态区域注意卷积

本文提出一种新的卷积操作----动态区域注意卷积（DRConv: Dynamic Region-Aware Convolution），该卷积可以根据特征相似度为不同平面区域分配定制的卷积核。这种卷积方式相较于传统卷积极大地增强了对图像语义信息多样性的建模能力。标准卷积层可以增加卷积核的数量以提取更多的视觉元素，但会导致较高的计算成本。DRConv使用可学习的分配器将逐渐增加的卷积核转移到平面维度，这不仅提高了卷积的表示能力，而且还保持了计算成本和平移不变性。 图片 DRConv是一种用于处理语义信息分布复杂多变的有效而优雅的方法，它可以以其即插即用特性替代任何现有网络中的标准卷积，且对于轻量级网络的性能有显著提升。本文在各种模型（MobileNet系列，ShuffleNetV2等）和任务（分类，面部识别，检测和分割）上对DRConv进行了评估，在ImageNet分类中，基于DRConv的ShuffleNetV2-0.5×在46M计算量的水平下可实现67.1％的性能，相对基准提升6.3％。

https://www.zhuanzhi.ai/paper/5ab3f5fa3690be4e5e52724c176bc252