1. 普通卷积（Standard Convolution）
普通卷积的参数量计算包括卷积核的权重和可能的偏置项。
2. 深度卷积（Depthwise Convolution）
深度卷积是逐通道的卷积操作，每个输入通道都有一个独立的卷积核。
3. 逐点卷积（Pointwise Convolution）
逐点卷积（1×11 \times 11×1 卷积）用于将深度卷积的输出通道进行线性组合。
4. 可变形卷积（Deformable Convolution）
可变形卷积的参数量计算包括两个主要部分：
- 偏移量卷积：用于计算每个位置的偏移量。
- 标准卷积：用于执行实际的卷积操作。
4.1 偏移量卷积（Offset Convolution）
偏移量卷积的作用是为每个卷积核的位置生成偏移量，这些偏移量决定了卷积核的动态位置。
4.2 标准卷积参数量
标准卷积的参数量（和普通卷积相同）用于实际的卷积操作。
5. 综合参数量
可变形卷积的总参数量包括偏移量卷积和标准卷积的参数量之和：
举例
假设有一个卷积层，其配置如下：
- 卷积核大小 Kh=3, Kw=3
- 输入通道数 Cin=32
- 输出通道数 Cout=64
总结
在比较参数量时：
- 普通卷积的参数量较大，尤其是在输入和输出通道数较多时。
- 深度卷积和逐点卷积的组合（深度可分卷积）通常具有较少的参数量。
- 可变形卷积引入了额外的偏移量卷积参数，可能会增加总参数量，但提供了对输入特征图几何变化的更好适应能力。
