1. DBB介绍

1.1 摘要：我们提出了卷积神经网络（ConvNet）的通用构建块来提高性能，而无需任何推理时间成本。 该块被称为多样化分支块（DBB），它通过组合不同尺度和复杂度的不同分支来丰富特征空间，从而增强单个卷积的表示能力，包括卷积序列、多尺度卷积和平均池化。 训练后，DBB可以等效地转换为单个卷积层进行部署。 与新颖的 ConvNet 架构的进步不同，DBB 在保持宏观架构的同时使训练时的微观结构变得复杂，因此它可以用作任何架构的常规卷积层的直接替代品。 通过这种方式，可以训练模型达到更高的性能水平，然后转化为原始的推理时间结构进行推理。 DBB 在图像分类（ImageNet 上的 top-1 准确率提高了 1.9%）、对象检测和语义分割方面改进了 ConvNet。

官方论文地址：https://arxiv.org/pdf/2103.13425

官方代码地址：https://github.com/DingXiaoH/DiverseBranchBlock

1.2 简单描述