美文网首页
IndexNet论文笔记-Indices Matter: Lea

IndexNet论文笔记-Indices Matter: Lea

作者: Daniel开峰 | 来源:发表于2020-07-27 16:01 被阅读0次

    github代码

    总体思路
    下采样会损失细节信息,但其在网络中是必要的,因为可以减少网络参数,增加感受野的大小,捕捉到更加高阶的语义信息。

    生成pooling和上采样的unpooling的索引用于抠图的细节边缘恢复。

    模型主要基于MobileNet V2, 轻量化。

    参考

    超分辨领域的Efficient Sub-pixel Convolution(periodic Shuffling)

    Indexed Pooling(IP)

    • max pooling and average pooling are both special cases of IP.
    • 生成的index map和feature map进行逐点相乘就可以得到pooling的结果

    Indexed Upsampling(IU)
    反卷积所用的kernel对每块区域都是一样的,而IU进行上采样时对每块区域使用不同的kernel(使用差异权重产生不同的index)。这点可以理解为IU其实是对feature map里数值的响应,feature的数值和原图的边缘细节高度相关,因此IU所产生的索引能更精确对应到相应位置上。


    待更新

    相关文章

      网友评论

          本文标题:IndexNet论文笔记-Indices Matter: Lea

          本文链接:https://www.haomeiwen.com/subject/ofdslktx.html