CNNs Without Borders:CVPR 2020论文“关于CNN的翻译不变性”的官方资料库 源码
关于CNN中的平移不变性:卷积层可以利用绝对空间位置 在。 和 。 您可以在我们的博客中找到本文和的详细说明。 该存储库包含本文的实验。 目录 ,带有实验 进行 和 具有 入门 为了清楚起见,我们将每个实验放在一个特定的文件夹下。 火炬 我们在本文中的所有实验中都使用了pytorch。 安装PyTorch( ) 1.可以利用绝对位置距图像边界多远? 我们对该事实有不同的说明: 全卷积网(FCN)能预测位置吗? 我们使用一个简单的补丁,将其放置在图像的左上角和右下角。 我们使用SGD优化器训练具有零填充的相同卷积的5x5滤波器,然后进行ReLU,全局最大池化和softmax分类器。 答案是肯定的! FCN可以预测位置。 您可以使用尝试一下。 imagenet预训练的FCN可以预测位置吗? 我们使用Bagnet-33,Resnet-18和DenseNet-121方法通过使用
文件列表
CNNs-Without-Borders:CVPR 2020论文“关于CNN的翻译不变性”的官方资料库
(预估有个145文件)
data_eff.png
503KB
redgreen.png
140KB
action_training_curves.png
224KB
chess.png
13KB
4QI_results.png
199KB
.gitkeep
0B
CITATION.md
309B
README.md
5KB
train.pickle
2.03MB
README.md
427B
暂无评论