DeepFix - 位置偏向卷积
DeepFix - Location Biased Convolution
我对本文有疑问：https://arxiv.org/pdf/1510.02927.pdf
在网络架构中，他们实现了一种叫做 location biased convolution.
的东西
基本上是16个2d-gausians附加到卷积层的512个滤波器上（见论文图5）
Picture of Location Biased Convolution.
我想在 PyTorch 中实现它，但不知道如何将固定过滤器添加到卷积块。应该按照论文中的讨论训练权重。
任何人都可以提示该做什么或以前做过吗？
根据您提供的图中的样子，他们将位置先验附加到数据，即
location_priors = generate_gaussians(positions, variances, data.size())
data_w_loc_priors = T.cat((data, location_priors), dim=1)
现在，您的卷积 in_channels 的数量只需要相应地调整：如果您之前有 512 in_channels，那么您现在有 512 + 位置先验数。
我对本文有疑问：https://arxiv.org/pdf/1510.02927.pdf
在网络架构中，他们实现了一种叫做 location biased convolution.
的东西基本上是16个2d-gausians附加到卷积层的512个滤波器上（见论文图5） Picture of Location Biased Convolution.
我想在 PyTorch 中实现它，但不知道如何将固定过滤器添加到卷积块。应该按照论文中的讨论训练权重。
任何人都可以提示该做什么或以前做过吗？
根据您提供的图中的样子，他们将位置先验附加到数据，即
location_priors = generate_gaussians(positions, variances, data.size())
data_w_loc_priors = T.cat((data, location_priors), dim=1)
现在，您的卷积 in_channels 的数量只需要相应地调整：如果您之前有 512 in_channels，那么您现在有 512 + 位置先验数。