本文介绍了一种新型动态卷积方法KernelWarehouse，通过卷积核的分割和共享提高了参数效率和表征能力。实验证明，该方法在ImageNet和MS-COCO数据集上表现优异，推动了卷积神经网络的性能提升。

本文介绍了KernelWarehouse动态卷积方法，通过重新定义动态卷积概念，采用策略性卷积核分割和仓库共享，实现参数效率和表征能力的平衡。实验证实表明该方法在ImageNet和MS-COCO数据集上取得了最新结果。