该文介绍了一种基于分割的卷积操作SPConv，用于解决特征图中的模式冗余问题。SPConv将输入特征图分为Representative部分和Uncertain冗余部分，通过相对繁重的计算从代表性部分中提取内在信息，而对不确定冗余部分中的微小隐藏细节进行一些轻量级处理手术。作者还提出了一个无参数特征融合模块来重新校准和融合这两组处理过的特征。消融实验结果表明，配备SPConv的网络在GPU上的准确性和推理时间上始终优于最先进的基线，FLOPs和参数急剧下降。该方法可以轻易与其他网络架构相结合，同时与当前主流模型压缩方法互补，有可能得到更轻量型的模型。