Deformable Convolution Networks

论文地址：https://arxiv.org/pdf/1703.06211
官方源码：https://github.com/msracver/Deformable-ConvNets/tree/master

Deformable Convolution

文章提出了可变形卷积和可变形ROI采样。原理是一样的，这里先讲解一下可变形卷积，传统的卷积如上图a所示吗，采样点是固定的9个位置，bcd是对应的可变形卷积，b是比较常见的状态，9个采样点位置随机。cd是可变形卷积比较特殊的情形。

这么做有什么好处呢？如上图所示，左边是普通卷积，卷积位置固定，模型关注的位置被限定成一个方形。右边是可变形卷积，由于偏移量是一个可学习参数，模型关注的形状可以是任意外形。

可变形卷积是怎么做的呢？从下图可以看到，只要计算出一个offsets偏移即可。

如果不考虑batch和channel的维度，假设有一个$H\times W$的feature map，对于任意一个采样点的偏移，都需要x方向和y方向的偏移，仅仅这样还不够。由于卷积核是$k\times k$大小的，卷积核上的每个采样点都要有偏移。所以每个点必须要有$2\times k\times k$个offsets。所以生成的offsets的尺寸为$H\times W\times 2k^2$

在mmcv中使用可变形卷积，先利用常规的conv计算出offsets变量：

import torch
import torch.nn as nn
from mmcv.ops import DeformConv2d

class DeformableConvNet(nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size=3):
        super(DeformableConvNet, self).__init__()
        self.offsets = nn.Conv2d(in_channels, 2 * kernel_size * kernel_size, kernel_size=kernel_size, padding=1)
        self.deform_conv = DeformConv2d(in_channels, out_channels, kernel_size=kernel_size, padding=1)

    def forward(self, x):
        offsets = self.offsets(x)  # 生成偏移量
        x = self.deform_conv(x, offsets)  # 可变形卷积操作
        return x

# 示例
input = torch.randn(1, 3, 64, 64)
model = DeformableConvNet(in_channels=3, out_channels=64, kernel_size=3)
output = model(input)

Deformable RoI Pooling

应用到ROI Pooling也是一样的，而且ROI Pooling相较于普通的Pooling，不需要进行移动和多次采样。所以直接是用一个全连接层，输出的offsets特征通道数是$2\times h\times w$，其中$h$和$w$是输出ROI的特征图的大小，2表示x，y方向的偏移。具体来说，输出的offsets tensor形状为$(N,2\times h\times w,H,W)$，其中$N$是batch的大小。

文章最后给出了验证集中的样例对比。左边第一张图是普通卷积，由于采样点位置很固定，那么模型实际上的关注点都是很分散的，模型无法聚焦到主体位置上。如果把普通卷积换成可变形卷积，效果就是右边两张图。由于可变形卷积的偏移量是可学习的，经过训练后，模型的关注点都会集中到主要物体上。