针对低分辨率或小目标的卷积-SPDConv
- 摘要
- 引言
- A New Building Block:SPD-Conv
- 附录
- 代码：
摘要
卷积神经网络在许多计算机视觉任务中取得了巨大成功。然而，在图像低分辨率或目标较小任务上，他们的性能迅速下降。在本文中，我们指出，这根源于现有CNN架构中存在的一个有缺陷但常见的设计，即使用strided convolution和/或pooling layers，这导致细粒度信息的丢失和不够有效的特征表示的学习。为此，我们提出了一个新的CNN构建快， 称为SPD-Conv，取代每个strided convolution层和每个pool层（因为完全消除他们）。SPD-Conv由一个space-to-depth（SPD）层和一个non-strided convolution层组成，可以应用于大多数CNN架构。我们将这种新设计解释为两个最具代表性的计算机视觉任务：目标检测和图像分类，然后，我们通过将SPD-Conv应用于YOLOv5和ResNet创建了新的CNN架构。
代码地址： https://github.com/LabSAINT/SPD-Conv
引言
自从AlexNet提出以来，卷积神经网络在许多计算机视觉任务中表现出色。然而，所有这些CNN模型在训练和推断中都需要高质量的输入，例如：AlexNet最初是在227 X 227的清晰图片上进行训练和评估的，但是将图像分辨率降低为1/4和1/8后，其分类的准确性分别下降了14%和30%，类似也使用于VGG和ResNet，在目标检测的情况下，小目标检测是一项非常具有挑战性的任务，因为较小的目标本身分辨率较低，并且对于模型学习而言，上下文信息也受限制。此外，他们通常于同一图像中的大对象共存，大对象往往也在特征学习过程中占主导地位，从而使得小对象无法被检测到。
本文认为，现有CNN中存在的一个缺陷但常见的设计导致了性能下降，即，在CNN架构的早期层使用步幅卷积或池化，这种设计的不利影响通常不会表现出来，因为大多数研究的情况都是友好的，图像具有良好的分辨率，对象的大小适中。因此，存在着大量的冗余像素信息可以被卷积或者池化方便的跳过，模型仍然可以学习到良好的特征。然而，在更困难的任务中，当图像模糊或对象较小时，冗余信息的奢侈假设不在成立，当前的设计开始遭受详细信息和学习特征不足的损失。
为了解决这一问题，我们提出了一种CNN的新构建快，称为SPD-Conv 完全替代了下采样和池化。SPD-Conv是一个空间到深度层，仅跟随一个非步幅卷积层。SPD层对特征图X进行将采样，当保留了通道维度中的所有信息，因此没有信息损失，我们受到了图像转换技术的启发，该技术在将原始图像馈送到神经网络之前对其进行重新缩放，但我们将其广泛推广到网络内部和整个网络中的特征图的将采样，此外，我们在每个SPD之后添加了一卷积操作，使用科学系的参数减少通道数量，我们提出的方法即通用又统一，即SPD可以应用于大多数CNN架构，并且以相同的方式替代了步幅卷积和池化。
A New Building Block:SPD-Conv
论文地址：https://arxiv.org/pdf/2208.03641v1.pdf
附录
代码：
# SPD-Conv
import torch
import torch.nn as nn
class Spd(nn.Module):
def __init__(self,dimension=1):
super().__init__()
self.d = dimension
def forward(self,x):
return torch.cat([x[...,::2,::2],x[...,1::2,::2],x[...,::2,1::2],x[...,1::2,1::2]],1)
data = torch.zeros(3,64,640,640)
con = Spd()
con(data).shape
