作者：Tom Hardy
Date：2020-01-14
来源：非对称卷积增强CNN特征拟合
原创作者来自清华大学和国家信息技术研究中心~
论文链接：https://arxiv.org/pdf/1905.10089.pdf
代码链接：https://github.com/anheidelonghu/ACNet
提出原因
1、在指定的应用环境中设计合适的卷积神经网络(CNN)结构需要大量的人工工作或大量的GPU资源消耗
2、设计出和网络结构无关的CNN模块非常必要，这种模块可以很容易地插入到多个成熟的体系结构中，将会大幅度提高实际应用的性能
3、修改整体的CNN架构是一件很困难的事情，使用一些与架构无关的结构来增强现有的模型非常具有吸引力，而且这种方法很大程度上对任何网络都是有效的。
主要贡献
使用非对称卷积来显式地增强标准正方形的卷积核的表征能力，非对称卷积可以融合到正方形卷积核中，而不需要额外的推理时间计算。
将ACB作为一个新颖的CNN结构构建模块。可以通过简单地用ACB替换成熟架构中每一个正方形卷积核的卷积层来构建ACNet，而不需要引入任何超参数，这样它可以与CNN架构设计文献中的众多进展相结合。
来源：CSDN
作者：3Ｄ视觉工坊
链接：https://blog.csdn.net/Yong_Qi2015/article/details/104147114