请挑选以下卷积方式中的2种，通过公式、画图或者简单文字描述，

[问答题]

请挑选以下卷积方式中的2种，通过公式、画图或者简单文字描述，阐述计算过程，分析各自的应用特点。

（1）组卷积 (Group Convolution)

（2）深度可分离卷积 (Depthwise Separable Convolution)

（3）空洞卷积 (Dilated Convolution)

（4）可变形卷积 (Deformable Convolution)

（5）反卷积 (Deconvolution\Transposed Convolution)

zxcv0112358

有个空洞卷积的gif挂了，我不修了
图片挂了在新标签页中查看
以下所有内容来自 https://zhuanlan.zhihu.com/p/381839221
本人只负责整理。

（1）组卷积 (Group Convolution)
原始卷积操作中每一个输出通道都与输入的每一个通道相连接，通道之间是以稠密方式进行连接。而组卷积中输入和输出的通道会被划分为多个组，每个组的输出通道只和对应组内的输入通道相连接，而与其它组的通道无关。这种分组(split)的思想随后被绝大多数的新晋卷积所应用。

（2）深度可分离卷积 (Depthwise Separable Convolution)
标准的卷积过程中对应图像区域中的所有通道均被同时考虑，而深度可分离卷积打破了这层瓶颈，将通道和空间区域分开考虑，对不同的输入通道采取不同的卷积核进行卷积，

（3）空洞卷积 (Dilated Convolution)

（4）可变形卷积 (Deformable Convolution)
在计算机视觉领域，同一物体在不同场景，角度中未知的几何变换是任务的一大挑战，通常来说要么通过充足的数据增强，扩充足够多的样本去增强模型适应尺度变换的能力，要么设置一些针对几何变换不变的特征或者算法，比如SIFT或者滑动窗口等。然而传统CNNs固定的几何结构无法对未知的物体形变进行有效建模，因此可变形卷积的提出便是用于解决此问题。

（5）反卷积 (Deconvolution\Transposed Convolution)
由于数字信号处理中也有反卷积的概念，所以一般为了不造成歧义，大多数框架的API都会定义为转置卷积。
转置卷积是一种一对多的映射关系

编辑于 2022-02-02 20:27:08 回复(0)

牛纽儿

组卷积：也就是控制每一次参与卷积的通道数

深度可分离卷积：先在各个单通道卷积，再用size = 1的卷积核进行全通道卷积

空洞卷积：在卷积核数值之间补零，或者说拉大卷积核数值之间的步长

反卷积：现在所说的反卷积其实是根据数学公式 I * A = c 得来的，即输入向量乘以卷积核得到输出向量，那么可以对卷积核进行转置，乘以输出向量，来得到一个和输入向量相同形状的向量，但注意，得到的只是和输入向量形状相同的向量，在实际的卷积过程中，相当于把原卷积核旋转了180度以后，与输出向量进行正常卷积

发表于 2022-04-20 08:23:21 回复(0)

提交观点

问题信息

算法工程师网易 2021

上传者：小小

难度：

2条回答 28收藏 746浏览

请挑选以下卷积方式中的2种，通过公式、画图或者简单文字描述，

问题信息

热门推荐

相关试题