【第39篇】RepLKNet将内核扩展到 31x31:重新审视 CNN 中的大型内核设计

文章目录

  • 摘要
  • 一、 简介
  • 二、相关工作
    • 2.1、大内核模型
    • 2.2. 模型缩放技术
    • 2.3. 结构重新参数化
  • 三、 应用大卷积的指南
  • 四、 RepLKNet:大内核架构
    • 4.1、架构规范
    • 4.2. 使大内核更大
    • 4.3. ImageNet 分类
    • 4.5.物体检测
  • 五、讨论
    • 5.1. 大内核 CNN 比深度小内核模型具有更大的 ERF
    • 5.2. 大核模型在形状偏差上更类似于人类
    • 5.3.大型内核设计是与 ConvNeXt 一起使用的通用设计元素
    • 5.4. 大内核的性能优于具有高膨胀率的小内核
  • 六、限制
  • 七、 结论

你可能感兴趣的:(高质量AI论文翻译,cnn,深度学习,人工智能)