Dynamic Region-Aware Convolution

旷视提出 DRConv：动态区域感知卷积，提升分类 / 检测 / 分割性能。
《Dynamic Region-Aware Convolution》是2020年旷视在arXiv上的新论文，该论文实际上是在动态卷积（local形式）上引入了空间上的分组，从而显著提升了计算机视觉任务（分类检测分割）等性能，在云端实验还是非常值得尝试的。
论文地址：
https://arxiv.org/abs/2003.12243

内容

将图像划分成不同的区域，在不同的区域上使用不同的卷积。区域内卷积是通用的，不同区域卷积不通用。G（）是生成卷积的模块，有多少个区域，就生成多少个卷积核。

在区域上的卷积：

u,v,c,o：高、宽、通道、output
W：卷积核
S：卷积区域

区域的生成：

其实是M个卷积核，在这个guided mask上卷积后生成了M个特征，将这些特征称作区域。
W是M个卷积和，Wm(u,v)，M(u,v)是索引，范围是0到m-1，M(u,v)的值是在(u,v)处，m个特征F里，像素最大的F所在的通道。

guided mask的生成-Eq4：

对原始图像卷积后，使用argmax或者softmax将各通道像素合并成一个通道。

M个卷积核的生成-Eq.(5)：

1，使用AAP将X下采样到kk的大小，共m个，不使用**层
2，使用softmax将x映射成kk的大小。
然后，使用1和2相加，或者其他方法(文中没说)，合并12成为m个卷积核。