Convolution 第20页

卷积convolution函数详解及反向传播中的梯度求导

摘要本文给出convolution函数的定义,并求解其在反向传播中的梯度相关配套代码,请参考文章:Python和PyTorch对比实现卷积convolution函数及反向传播系列文章索引:https:/

BrightLampCsdn·2020-07-07 18:13

tf.contrib.slim.conv2d() 参数列表

convolution(inputs,num_outputs,kernel_size,stride=1,padding='SAME',data_format=None,rate=1,activation_fn

大西瓜不甜·2020-07-07 17:47

2019-ICCV-Adobe-Free-Form Image Inpainting with Gated Convolution

GatedConv所提出的门控卷积解决了普通卷积将所有的像素视为有效像素的问题，通过为所有层中的每个空间位置的每个通道提供一个可学习的动态特征选择机制来泛化部分卷积。提出了SN-PatchGAN，谱规范化（spectral-normalized）用于稳定训练，加速训练速度GatedConv未中ICCV之前，细网络是单分支的，后来作者修改成了两路分支。虽然这样改善了修复结果，但是两阶段修复存在一个问

WX_Chen·2020-07-07 12:52

[机器学习] UFLDL笔记 - Convolutional Neural Network - 矩阵运算

（ConvolutionalNeuralNetwork）的背景下对相关的矩阵运算进行梳理，涉及矩阵乘积（matrixproduct）、元素对应乘积（element-wiseproduct）、卷积操作（convolution

WangBo_NLPR·2020-07-06 18:23

吴恩达深度学习课程deeplearning.ai课程作业：Class 4 Week 1 Convolution model - Application

吴恩达deeplearning.ai课程作业，自己写的答案。补充说明：1.评论中总有人问为什么直接复制这些notebook运行不了？请不要直接复制粘贴，不可能运行通过的，这个只是notebook中我们要自己写的那部分，要正确运行还需要其他py文件，请自己到GitHub上下载完整的。这里的部分仅仅是参考用的，建议还是自己按照提示一点一点写，如果实在卡住了再看答案。个人觉得这样才是正确的学习方法，况且

hongbin_xu·2020-07-06 16:04

目标跟踪系列三：ECO: Efficient Convolution Operators for Tracking（2016年11月）

VisualTracking领域大牛（至少我认为是这个领域的大牛）MartinDanelljan又出新作。继C-COT之后又一刷新纪录的作品。不管是从结果还是速度上都有提升，尤其是速度提升明显。用传统特征HOG+CN的版本速度有60+FPS，用CNN+HOG+CN的速度有8FPS，从跟踪效果来看，个人认为可以算一个出色的作品。C-COT是2016年ECCV的文章，下次有空再讲。ECO文章链接：ht

眼观·2020-07-06 13:28

MxNet 错误--显存不足（Failed to find any forward convolution algorithm.|| Out of memory）

前提：用144*128的数据训练mobileNet原始模型。训练的时候超参数的不同，出现的几个错误。设备：GTX10808G显存。错误出现情况：1.outofmemory超参数设置：batch_size=256gpu=0,1或者batch_size=128gpu=0,12.Failedtofindanyforwardconvolutionalgorithm参数设置：batch_size=256gp

zxbinggo·2020-07-06 12:52

darknet-convolution层

forwardvoidforward_convolutional_layer(convolutional_layerl,network_statestate){intout_h=convolutional_out_height(l);intout_w=convolutional_out_width(l);inti;fill_cpu(l.outputs*l.batch,0,l.output,1);/

z0n1l2·2020-07-06 11:44

dilated convolution (扩张卷积) 输入输出特征图尺寸大小关系以及 receptive field (感受野) 计算

机器AI·2020-07-06 08:45

学习吴恩达卷积神经网络个人笔记（1）

所以表示的时候要特别申明它是卷积即“*”=convolution;一般不同编程语言有不同函数来实现convolution而不是用星号来表示。

风起天阑·2020-07-06 04:26

Semantic Segmentation with FCN里的32x, 16x和8x

(各自还加了一个Dropout层).fc7的输出score_fr作为分类score.32倍的FCN直接将score_fr通过Convolution

Daniel2333·2020-07-06 01:36

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

1.分组卷积(GroupConvolution)分组卷积最早出现在AlexNet中，如下图所示。在CNN发展初期，GPU资源不足以满足训练任务的要求，因此，Hinton采用了多GPU训练的策略，每个GPU完成一部分卷积，最后把多个GPU的卷积结果进行融合。接下来回顾一下常规卷积是怎样进行的，假设输入的特征图(Tensor)的shape为Cin×H×WC_{in}\timesH\timesWCin×

z-bingo·2020-07-05 22:56

【Deep Learning】两层CNN的MATLAB实现

这里层的概念是指convolution+pooling，有些地方会把convol

weixin_30298497·2020-07-05 20:27

群卷积（Group Convolution）

最近有看到groupconvolution，故做个记录。groupconvolution可称为群卷积或者是分组卷积，最早是在AlexNet中出现的。当时由于硬件资源有限，训练AlexNet时卷积操作不能全部放在同一个GPU中处理，因此作者把featuremaps分给多个GPU分别进行处理，最后把多个GPU的结果进行融合。我们假设上一层的featuremap总共有N个，即通道数channel=N，也

JerrySing·2020-07-05 16:07

Multi-Scale Context Aggregation by Dilated Convolution读书笔记

DilatedConvolution的产生是为了解决全卷积网络（FCN）在图像分割领域的问题，图像分割需要输入和输出在像素的shape保持一致，但由于池化层的存在导致FCN需要通过上采样扩增size,但是上采样并不能将丢失的信息无损的找回所以存在不足。DilatedConvolution想法很粗暴，既然池化的下采样操作会带来信息损失，那么就把池化层去掉。但是池化层去掉随之带来的是网络各层的感受野变

waqiqi·2020-07-05 15:37

Multi-Scale Context Aggregation by Dilated Convolution训练记录

读完文章后，觉得应该网络框架类似FCN，却可以达到更好的效果。该网络的准确度和花费时间都应该好于FCN-8S，打算funetune一个自己的模型。首先从测试开始，对于predict.py，我认真研究了他的代码，我来具体说一下他的代码结构：首先读入图片后，得到deploy.prototxt中输入图片的大小，以“dilation10_cityscapes_deploy.prototxt”为例，他的网络

waqiqi·2020-07-05 15:36

如何理解空洞卷积（dilated convolution）

论文：Multi-scalecontextaggregationwithdilatedconvolutions简单讨论下dilatedconv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilatedconv诞生背景[4]，再解释dilatedconv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型的网络比如FCN[3]）中，FCN先像传统的CNN那样对图像做卷积再p

suixinsuiyuan33·2020-07-05 13:12

深度学习论文: Pyramidal Convolution: Rethinking CNN for Visual Recognition及其PyTorch实现

深度学习论文:PyramidalConvolution:RethinkingConvolutionalNeuralNetworksforVisualRecognition及其PyTorch实现PyramidalConvolution:RethinkingConvolutionalNeuralNetworksforVisualRecognitionPDF:https://arxiv.org/pdf/

mingo_敏·2020-07-05 11:47

卷积神经网络参数说明

1.VisionLayers1.1卷积层(Convolution)类型：CONVOLUTION例子layers{name:"conv1"type:CONVOLUTIONbottom:"data"top:

redfivehit·2020-07-05 10:59

论文解读：D-LinkNet ：LinkNet with Pretrained Encoder and Dilated Convolution for High Resolution Satelli

参考链接：北邮夺冠CVPR2018DeepGlobe比赛，他们是这样做卫星图像识别的论文链接：D-LinkNet:LinkNetwithPretrainedEncoderandDilatedConvolutionforHighResolutionSatelliteImageryRoadExtractionGithub地址Python2.7pytorch0.2.0D-LinkNet:LinkNetw

Amberrr-L·2020-07-05 08:05

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作

文章目录常规卷积（Convolution）分组卷积（GroupConvolution）原理用途空洞（扩张）卷积（Dilated/AtrousConvolution）深度可分离卷积（depthwiseseparableconvolution

呆呆象呆呆·2020-07-05 08:44

Dilated Convolution 扩张卷积和 Group Convolution 分组卷积

你好，该博客已经更新，请转移到HERE扩张卷积也有人说是空洞卷积，都行。思想非常简单，随着网络的层数越来越多，parameters越来越多，并且maxpooling本身的限制（比如四次maxpooling，那么理论上16x16的图就到了1x1，空间信息全部丢失）DilatedConvolution就此出现，他可以扩大网络的感受野，如图，stride=1，kernelsize=3,padding=1

*小呆·2020-07-05 07:03

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

1.分组卷积(GroupConvolution)分组卷积最早出现在AlexNet中，如下图所示。在CNN发展初期，GPU资源不足以满足训练任务的要求，因此，Hinton采用了多GPU训练的策略，每个GPU完成一部分卷积，最后把多个GPU的卷积结果进行融合。这里提出一个小小的问题给大家思考：如上图所示，inputFeatures是12,将其分为3个组，每组4个Featuresmap,那么output

华仔168168·2020-07-05 06:34

空洞卷积，扩张卷积，膨胀卷积，多孔卷积，带孔卷积，dilated convolution

引子：感受野（receptivefield）：CNN中，某一层输出结果中一个元素所对应的输入层的区域大小.。越大的感受野包含越多的上下文关系Dilated/AtrousConvolution(中文叫做空洞卷积或者膨胀卷积)或者是Convolutionwithholes从字面上就很好理解，是在标准的convolutionmap里注入空洞，以此来增加receptionfield。相比原来的正常conv

alanjia163·2020-07-05 05:48

论文笔记--deeplabv3--Rethinking Atrous Convolution for Semantic Image Segmentation

论文笔记–deeplabv3–RethinkingAtrousConvolutionforSemanticImageSegmentation文章地址：https://arxiv.org/abs/1706.05587项目地址：https://github.com/NanqingD/DeepLabV3-Tensorflow本篇文章作为使用空洞卷积解决语义分割全局context信息与局部spatial信

你听的到、·2020-07-05 05:02

CVPR2018《Graph Attention Convolution for Point Cloud Segmentation》GACNet 笔记

GraphAttentionConvolutionforPointCloudSegmentation标准卷积由于其特征的各向同性，在语义点云分割中存在固有的局限性。它忽略了物体的结构，导致分割结果中对物体轮廓的描述较差，有小部分伪区域。作者提出了一种新的图形注意卷积(GAC)，它的卷积核可以被动态地雕刻成特定的形状，以适应对象的结构。具体来说，GAC通过给不同的相邻点分配特定的注意权重，根据它们的

小刀丶·2020-07-05 05:36

Dilated Convolution —— 空洞卷积（膨胀卷积）

目录DilatedConvolution概述DilatedConvolution存在的问题HDC(HybridDilatedVonvolution)DilatedConvolution概述DilatedConvolution是在标准卷积的Convolutionmap的基础上注入空洞，以此来增加感受野（receptionfield）。因此，DilatedConvolution在StandardCon

- birdguan -·2020-07-05 04:04

膨胀卷积（Dilated convolution）

Dilatedconv，中文叫做空洞卷积或者扩张卷积，起源于语义分割，大部分文章也用于语义分割，具体能否对其他应用有价值姑且还不知道，但确实是一个不错的探究方向。感受野（receptivefield）：CNN中，某一层输出结果中一个元素所对应的输入层的区域大小，感受野是卷积核在图像上看到的大小，例如3×3卷积核的感受野大小为9。越大的感受野包含越多的上下文关系。膨胀卷积与普通的卷积相比：除了卷积核

满腹的小不甘·2020-07-05 03:40

【ECO】Efficient Convolution Operators for Tracking阅读笔记

Abstract：基于DCF的方法在跟踪领域有着领先优势，但是对跟踪性能的追求，使得跟踪速度和实时能力下降。复杂的模型带来大量可训练的参数，增加了过拟合的风险。这篇论文的工作解决了计算复杂度与过拟合这个主要问题，目的是同时提高性能和速度。引进了以下创新：（1）因式分解卷积算子，减少了模型中的参数数量（2）训练样本集的紧凑生成模型，降低了内存和时间复杂度，能提供更好的样本多样性（3）一种保守的模型更

努力学习编程的朱小妹·2020-07-05 03:15

Group Convolution

Groupconvolution:群卷积。群卷积最早出现在alexnet中，作者认为groupconv的方式能够增加filter之间的对角相关性，而且能够减少训练参数，不容易过拟合，类似于正则效果。假设上一层的输出featuremao有N个，也就是N个channel（卷积核）。再假设群卷积的群数目M。那么该卷积层的操作就是，先将channel分为M份，每个group对应N/M个channel。各个

别说话写代码·2020-07-05 03:18

如何理解空洞卷积（dilated convolution）ID-CNN

作者：谭旭链接：https://www.zhihu.com/question/54149221/answer/192025860来源：知乎著作权归作者所有，转载请联系作者获得授权。简单讨论下dilatedconv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilatedconv诞生背景[4]，再解释dilatedconv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型

猪逻辑公园·2020-07-05 02:38

对Dilated Convolution理解

“微信公众号”本文同步更新在我的微信公众号里，地址：https://mp.weixin.qq.com/s/erRlLajvOYmwcfZApNOzIw本文同步更新在我的知乎专栏里，地址：https://zhuanlan.zhihu.com/p/39542237本文主要对论文《Multi-ScaleContextAggregationbyDilatedConvolutions》进行总结。论文地址：h

Microstrong0305·2020-07-05 02:11

论文阅读理解 - Dilated Convolution

DilatedConvolution[Paper]:Multi-scaleContextAggregationbyDilatedConvolutions[Caffe-Code]1.Caffe中的定义DilatedConvolution已经可在Caffe官方的卷积层参数中定义.messageConvolutionParameter{//Factorusedtodilatethekernel,(imp

AIHGF·2020-07-05 01:34

C-COT -- 超越相关滤波：学习连续卷积算子(Continuous Convolution Operators)

在目标跟踪算法中，ECO算法表现很优秀，是基于C-COT跟踪算法的改进（Martin林雪平大学）。因此学习C-COT是理解和改进ECO算法的基础和关键。一、C-COT算法的整体核心原理如下图所示：多分辨率深度特征图习得的连续卷积滤波器每层置信度最终的连续置信度输出函数图中是可视化的应用于多分辨率深度特征映射的连续卷积算子。第一列是输入的RGBpatch和预训练好的深层网络的第一个卷积层和最后一个卷

lixiaotong95·2020-07-04 22:21

深度学习中的初始化

深度学习中的初始化layer{name:"conv1"type:"Convolution"bottom:"data"top:"conv1"param{lr_mult:1}param{lr_mult:2}

keson26·2020-07-04 20:17

注意力机制论文 --- RADC-Net: A residual attention based convolution network for aerial scene classification

最近找了十几篇神经网络注意力机制的论文大概读了一下。这篇博客记录一下其中一篇，这篇论文大概只看了摘要，方法和参数初始化部分。文中提出RADC-Net(residualattentionbaseddenseconnectedconvolutionalneuralnetwork)，网络中由三种结构组成，密集连接结构(denseconnectionstructure)、残差注意力块(residualat

长安不乱·2020-07-04 20:00

Group Convolution分组卷积

文章目录写在前面ConvolutionVSGroupConvolutionGroupConvolution的用途写在前面GroupConvolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，GroupConvolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下：ConvolutionVSGroupConvolution在介绍Gro

杯酒和雪·2020-07-04 18:36

论文学习14：“Neural Network Convolution (NNC) for Converting Ultra-Low-Dose to “Virtual” High-Dose CT Images

本文是MICCAI17年的文章，作者来自于美国伊利诺伊斯理工大学和日本广岛大学医院。文章完成的是从低剂量CT向高剂量CT图像质量提升的工作。文章提出了NNC(neuralnetworkconvolution)，不同于CNN，NNC从目标图像出发，学习LDCT和标准HDCT之间的区别。基本模型如下图所示，输入LDCT和HDCT经过滤波反投影变换，得到原始图像。滤波反投影变换（FBP），是CT重建最常

侯冠群·2020-07-04 17:20

理解Dilation convolution

论文：Multi-scalecontextaggregationwithdilatedconvolutions简单讨论下dilatedconv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilatedconv诞生背景[4]，再解释dilatedconv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型的网络比如FCN[3]）中，FCN先像传统的CNN那样对图像做卷积再p

最后一码·2020-07-04 17:01

卷积层中的 group 参数理解

卷积层中group参数理解Convolution层的参数中有一个group参数，其意思是将对应的输入通道与输出通道数进行分组,默认值为1,也就是说默认输出输入的所有通道各为一组.比如输入数据大小为90x100x100x3290

magic428·2020-07-04 17:24

Multi-Scale Context Aggregation by Dilated Convolution 对空洞卷积（扩张卷积）、感受野的理解

dilatedconvolution是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。在基于FCN思想的语义分割问题中，输出图像的size要和输入图像的size一致。但是FCN中由于有若干stride>1的池化层，所以越到较高的网络层，单位像素中包含的原始图像的信息就越多，也就是感受野越大，但这是以通过池化降低分辨率、损失原始图像中的信息作为代价而得来的；由于pooli

Colie-Li·2020-07-04 16:07

cuDNN: efficient Primitives for Deep Learning 论文阅读笔记

传统CNN计算主要开销是在convolutions,activationfunction,pooling.首先，我们看convolution的操作过程:参数表：O是输出inputfeaturemap，F

leonordo·2020-07-04 16:33

Group Convolution分组卷积，以及Depthwise Convolution和Global Depthwise Convolution

博客：blog.shinelee.me|博客园|CSDN文章目录写在前面ConvolutionVSGroupConvolutionGroupConvolution的用途参考写在前面GroupConvolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，GroupConvolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下：Convo

shine-lee·2020-07-04 15:53

【视频行为识别5】(双流网络)Two-stream Convolution Networks for Action Recognition in Videos(2014)

Two-streamConvolutionNetworksforActionRecognitioninVideos论文链接：Two-StreamConvolutionalNetworksforActionRecognitioninVideos背景：视频相比于图像而言，是一帧帧图像的集合。因此，很自然可以想到从两个维度去提取视频信息：空间：单帧图像包含的信息；时间：多帧图像之间包含的运动信息；所以文

超级无敌陈大佬的跟班·2020-07-04 12:16

【Deep Learning】空洞卷积(膨胀卷积)解析

layer{name:"fc6"type:"Convolution"bottom:"pool5"top:"fc6"param{lr_mult:1.0decay_mult:1.0}param{lr_mult

超级无敌陈大佬的跟班·2020-07-04 12:15

分组卷积：Grouped convolution

参考：ATutorialonFilterGroups(GroupedConvolution)分组卷积最早出现在AlexNet中，当时硬件资源有限，训练时卷积操作不能全部放在同一个GPU中运算，因此作者在2个GPU上运行，把featuremaps分给这两个GPU分别进行处理，最后把这两个GPU的结果进行concatenate，作为一层的output。直到2016年DeepRoots:Improvin

你好再见z·2020-07-04 10:52

MNIST机器学习入门（下篇）

文章目录MNIST手写数字识别（卷积池化）一前言二基本概念1.卷积Convolution2.池化Pooling3.激活函数ActivationFunction4.全连接层FullyConnectedLayer

qq_1927157164·2020-07-04 05:16

组卷积（group convolution）的理解

分组是日常生活中一种常见现象，如基于年龄分为幼年、儿童、青少年、青年、中年和老年等。在机器学习中，聚类算法的本质思想也是分组，即把未知数据基于一些特性分成一个个组，便于人们理解。在深度学习用到组思想的一个地方就是组卷积。组卷积最早出现是在AleNet，当初主要采用并行训练方式来训练。后来研究学者基于卷积的基本计算方式广义线性方程（或多元多项式方程）发现，当卷积网络中卷积核个数增多时，会出现卷积冗余

Bill_zhang5·2020-07-04 04:30

卷积网络基础知识---Group Convolution分组卷积

GroupConvolution分组卷积，以及DepthwiseConvolution和GlobalDepthwiseConvolutionhttps://www.cnblogs.com/shine-lee/p/10243114.html写在前面GroupConvolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，GroupConvolution被用来切分网络，

O天涯海阁O·2020-07-04 04:11

目标检测之RPN

1）layer{name:“rpn_cls_score”type:“Convolution”bottom:“rpn/o

千秋莫负·2020-07-02 17:40

推荐频道

Convolution

卷积convolution函数详解及反向传播中的梯度求导

tf.contrib.slim.conv2d() 参数列表

2019-ICCV-Adobe-Free-Form Image Inpainting with Gated Convolution

[机器学习] UFLDL笔记 - Convolutional Neural Network - 矩阵运算

吴恩达深度学习课程deeplearning.ai课程作业：Class 4 Week 1 Convolution model - Application

目标跟踪系列三：ECO: Efficient Convolution Operators for Tracking（2016年11月）

MxNet 错误--显存不足（Failed to find any forward convolution algorithm.|| Out of memory）

darknet-convolution层

dilated convolution (扩张卷积) 输入输出特征图尺寸大小关系以及 receptive field (感受野) 计算

学习吴恩达卷积神经网络个人笔记（1）

Semantic Segmentation with FCN里的32x, 16x和8x

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

【Deep Learning】两层CNN的MATLAB实现

群卷积（Group Convolution）

Multi-Scale Context Aggregation by Dilated Convolution读书笔记

Multi-Scale Context Aggregation by Dilated Convolution训练记录

如何理解空洞卷积（dilated convolution）

深度学习论文: Pyramidal Convolution: Rethinking CNN for Visual Recognition及其PyTorch实现

卷积神经网络参数说明

论文解读：D-LinkNet ：LinkNet with Pretrained Encoder and Dilated Convolution for High Resolution Satelli

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积） 卷积中的不一样的操作

Dilated Convolution 扩张卷积和 Group Convolution 分组卷积

深度可分离卷积(Depthwise Separable Convolution)和分组卷积(Group Convolution)的理解，相互关系及PyTorch实现

空洞卷积，扩张卷积，膨胀卷积，多孔卷积，带孔卷积，dilated convolution

论文笔记--deeplabv3--Rethinking Atrous Convolution for Semantic Image Segmentation

CVPR2018《Graph Attention Convolution for Point Cloud Segmentation》GACNet 笔记

Dilated Convolution —— 空洞卷积（膨胀卷积）

膨胀卷积（Dilated convolution）

【ECO】Efficient Convolution Operators for Tracking阅读笔记

Group Convolution

如何理解空洞卷积（dilated convolution）ID-CNN

对Dilated Convolution理解

论文阅读理解 - Dilated Convolution

C-COT -- 超越相关滤波：学习连续卷积算子(Continuous Convolution Operators)

深度学习中的初始化

注意力机制论文 --- RADC-Net: A residual attention based convolution network for aerial scene classification

Group Convolution分组卷积

论文学习14：“Neural Network Convolution (NNC) for Converting Ultra-Low-Dose to “Virtual” High-Dose CT Images

理解Dilation convolution

卷积层中的 group 参数理解

Multi-Scale Context Aggregation by Dilated Convolution 对空洞卷积（扩张卷积）、感受野的理解

cuDNN: efficient Primitives for Deep Learning 论文阅读笔记

Group Convolution分组卷积，以及Depthwise Convolution和Global Depthwise Convolution

【视频行为识别5】(双流网络)Two-stream Convolution Networks for Action Recognition in Videos(2014)

【Deep Learning】空洞卷积(膨胀卷积)解析

分组卷积：Grouped convolution

MNIST机器学习入门（下篇）

组卷积（group convolution）的理解

卷积网络基础知识---Group Convolution分组卷积

目标检测之RPN

深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作