machine-learning - 什么是可切换的空洞卷积以及我们为什么使用它?
问题描述
我试图理解一篇名为“DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution”的研究论文。我不明白的是“可切换的 Atrous Convolution”是如何工作的以及我们为什么使用它?我知道 Atrous/Dilated convolution 是什么,但这里的 Switchable 是什么?它是如何确定的?在在这里提出这个问题之前,我花了几天时间试图掌握这个概念。
以下是我收集和阅读的链接(也可能对您有所帮助):
可切换 Atrous Convolution 的 Python 实现(官方 GitHub 存储库)
我真的很珍惜你的时间。
谢谢你。
解决方案
推荐阅读
- testing - 如何在用户配置文件模式下正确使用 cassandra-stress 工具?
- sql - 识别已在多行输入数据的列
- react-native - RN TouchableOpacity onPress 不调用函数
- ruby-on-rails - rails 4 Ruby搜索本地属性和外来属性关键字
- powershell - 使用 PowerShell 从 DistiniguishedName 中提取域
- java - 如果属性为空,如何让 MapStruct 不生成包装器对象?
- javascript - JavaScript Date 对象如何知道夏令时?
- spring - 应用程序启动失败
- javascript - 音频 WMA 错误地报告为 video/x-ms-wma
- wordpress - 根据用户位置隐藏 WooCommerce 产品详细信息