SKNet——SENet孪生兄弟篇

期权匿名回答 · 2022-7-7 00:59:10

请问你们有做Det方面的实验吗,效果如何?

期权匿名回答 · 2022-7-7 00:59:58

个人觉得检测问题中，一张图里会存在不同大小的物体，SKNet不能选出一个kernel适用所有尺度(而且global pooling会混淆多个物体的尺度信息)。所以暴力的加SK应该没有显著效果。但是如果改造成deformable convolution那样不同位置可以不同感受野大小，讲道理是会work的。

期权匿名回答 · 2022-7-7 01:00:39

翔哥牛逼！

期权匿名回答 · 2022-7-7 01:01:08

我看到paper里用了label smoothing，这个performance的比较是不是就不fair了？

期权匿名回答 · 2022-7-7 01:01:37

两个SENet加一起？

期权匿名回答 · 2022-7-7 01:02:22

好棒棒！欢迎投稿到paper reading专栏哦 Paper Reading

期权匿名回答 · 2022-7-7 01:02:32

没错，目前初步的实验情况也是这样，检测上还不太容易找到好的姿势work，貌似可能需要调整attention到spatial level

期权匿名回答 · 2022-7-7 01:02:53

额，主要的几个比较的strong baseline都用了label smoothing，包括SENet, BAM, CBAM 等。

期权匿名回答 · 2022-7-7 01:03:23

不太一样，有点 merge-and-run 的意思，可以参考一下

期权匿名回答 · 2022-7-7 01:03:49

检测上不work?? 之前我试过CBAM就提点啊，感觉应该会提吧

期权匿名回答 · 2022-7-7 01:04:20

感觉seg上应该会work，有没有搞过实验，相比fcn ？但感觉也不会提升太多。

期权匿名回答 · 2022-7-7 01:05:10

感谢分享；另外想问下论文中的figure 1是用什么画的，:)

期权匿名回答 · 2022-7-7 01:05:44

PPT...

期权匿名回答 · 2022-7-7 01:06:13

你好，请问一哈，刚在看paper，第3页末尾的矩阵A和B(用来产生attention vector的权重矩阵)，好像没有说是如何得到的？还是我漏了啥...[思考]

期权匿名回答 · 2022-7-7 01:07:11

噢噢，应该是两个全连接层吧[捂脸]。感谢分享[拜托]

期权匿名回答 · 2022-7-7 01:07:43

请问你在ShuffleNet V2上有添加SK，添加的位置是和SE相同的位置？还是将ShuffleNet V2的DepthWise Conv替换成SK Convolutions？论文中没有写清楚。

期权匿名回答 · 2022-7-7 01:08:29

将卷积核大于1的卷积替换为sk卷积～

期权匿名回答 · 2022-7-7 01:08:44

我咋还没看明白A，B是咋算出来的？

期权匿名回答 · 2022-7-7 01:09:36

请问有没有试过把senet挪到sknet的位置呢？（也就是sknet里只保留3*3 branch）好奇这种情况下的acc

期权匿名回答 · 2022-7-7 01:09:50

您好，怎么看出来是两个全连接层的？谢谢！