CVPR2022论文分享会--复盘

小白一枚，这一天听下来最感兴趣的一篇paper，后续等小编看完这个paper在更新详细讲解

《大卷积核神经网络设计》---微软亚洲研究院（张祥雨）

1. 作者根据对ViT 的思考以及大卷积核的引出

RACV2021观点集锦 | 视觉transformer 从主干encoder 到任务decoder: 现状与趋势

总结

• 大卷积核的优势：更高效的提高了感受野；下游性能持续增大(尤其是在检测分割上，语义分割性能提高了很多)？为什么，因为提高了感受野的大小，提高了神经网络的Shape bias
• 大卷积核的劣势：难以兼顾局部特征；容易出现过度平滑的现象
• 另：作者的大卷积kernel做到了31*31

2. 源码/模型开放地址
·MegEngine: https://github.com/MegEngine/RepLKNet
·Pytorch:  https://github.com/DingXiaoH/RepLKNet-pytorch

3. 

大卷积核的工程优化:https://zhuanlan.zhihu.com/p/479182218

4. 

RepLKNet论文解读:https://zhuanlanzhihu.com/p/481445076
·大kernel圆桌讨论视频:https://www.bilibili.com/video/BV16Y411n7bP