PeLK：具有外围卷积的参数高效大核心卷积神经网络
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了一种人类视觉启发的周边卷积方法，通过参数共享高效地减少了密集网格卷积的参数数量超过 90%，并且成功实现了卷积核大小的可扩展性。基于这种方法，我们提出了一种参数高效的大核心网络（PeLK），在各种视觉任务中，包括 ImageNet 分类、ADE20K 的语义分割和 MS COCO 的目标检测，PeLK 都优于现代视觉 Transformer 和 ConvNet 架构。我们首次将...
最近的研究发现，小卷积核和卷积操作可以实现与大卷积核相近的效果，并通过稀疏机制捕捉长距离依赖关系。实验证明，位移式 CNN 模型在准确性和计算要求方面都有显著提升。
