本文主要是介绍Deformable Convolutional Network的原理与实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Deformable Convolutional Network的原理与实现
Deformable Convolutional Network（简称Deform-conv）是微软亚洲研究院（MSRA）2017年的作品，它赋予了CNN位置变换的能力，它与STN（Spatial Transform Network）颇有渊源，或者说是灵感来自于此，但它们有着巨大的差别：
- STN得到的是全局（global）的变换，也就是说所得的的变换（旋转、缩放等）都是对整幅图片有效的，因而一幅图片只有一个变换。但许多图片是复杂的，有多个目标，不同目标的变换方式不同，一个变换包打天下不成。因而出现了Recurrent STN，由递归产生不同的变换，作用在图中不同的目标。这种思想的效率不高，只能用于简单的情况。
- Deform-conv则不同，它产生的是稠密的（dense）偏移，每一个输入特征点（Feature_map point）均会得到一个偏移，如图
这个偏移量，来自一个称为offset networ
这篇关于Deformable Convolutional Network的原理与实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
