Deformable ConvNets v2: More Deformable, Better Results（CVPR2018）

论文源址：https://arxiv.org/abs/1811.11168 摘要         可变形卷积的一个亮点是对于不同几何变化的物体具有适应性。但也存在一些问题，虽然相比传统的卷积网络，其神经网络的空间形状更接近于目标物体的形状，但有时会超出ROI区域，从而引入不相关的图像信息进而对提取的特征造成影响。为此，本文提出了改造后的可变形卷积，通过增加建模及更强的训练来改善其聚焦图像相关区域的

>>阅读原文<<