RFNextダウンロード - RFNextソースコードのダウンロード

RFNext

その他のソースコード

g2l_breakfast_searched_dilation_config

ダウンロード

RF-Next: 畳み込みニューラルネットワークの効率的な受容野探索

CNNの一般的な受容野探索手法。ネットワークに 1 より大きいカーネルを持つ Conv がある場合、RF-Next はモデルをさらに改善できます。公式実装:

TPAMI2022 論文: 「RF-Next: 畳み込みニューラルネットワークの効率的な受容野探索」

CVPR2021 論文: 「Global2Local: ビデオアクションセグメンテーションのための効率的な構造検索」

ニュース

2022.12.18 使いやすいRFConvを搭載したRF-Convnextをリリースしました。 Conv を RFConv に置き換えて、あらゆるネットワークの拡張率検索をサポートできます。
2022.12.18 mmsegmentationのコードを公開しました。
2022.12.18 ImageNet-S ImageNetSegModel での大規模セマンティックセグメンテーションのための RF-ConvNext。
2022.12.1 RF-Next が MMCV の公式リポジトリに追加され、すべての MMlab コードベースで rf-next を使用できるようになりました。
2022.6.11 mmcvとmmdetectionのコードを公開しました。 ConvNext、PVT、Res2Net、HRNet がサポートされています。
2022.4.24 RF-Next は、2022 MegCup RAW 画像ノイズ除去で 1 位 (チームフィードバック) の達成に貢献しました。 2022.2.10 RF-Next は、複数のタスクにおける SOTA CNN モデル ConvNeXt を改善します。
2021.1.1 ビデオアクションセグメンテーションの RF-Next。

導入

モデルの時間的/空間的受容野は、連続的/空間的タスクにおいて重要な役割を果たします。大きな受容野は長期的な関係を促進し、小さな受容野は地元の詳細を捉えるのに役立ちます。既存の方法では、手動で設計された受容野を層状に持つモデルを構築します。受容野の組み合わせを効果的に探索して、手作業で設計したパターンを置き換えることはできるでしょうか?この質問に答えるために、グローバルからローカルへの検索スキームを通じて、より良い受容野の組み合わせを見つけることを提案します。私たちの検索スキームは、大まかな組み合わせを見つけるためのグローバル検索と、さらに洗練された受容野の組み合わせを取得するためのローカル検索の両方を利用します。グローバル検索では、人間が設計したパターン以外の可能性のある大まかな組み合わせが見つかります。グローバル検索に加えて、組み合わせを効果的に絞り込むための期待に基づく反復ローカル検索スキームを提案します。当社の RF-Next モデルは、受容野検索をさまざまなモデルに接続し、時間的アクションのセグメンテーション、オブジェクト検出、インスタンスのセグメンテーション、音声合成などの多くのタスクのパフォーマンスを向上させます。

アプリケーションとコード

RF-Next は多くのアプリケーションをサポートしています。

MMDet でのオブジェクト検出とインスタンスのセグメンテーション
MMSeg のセマンティックセグメンテーション
MMCV は RF-Next をサポートします
アクションセグメンテーション手法 G2L
ImageNet-S での大規模なセマンティックセグメンテーションのための RF-ConvNext
音声合成

引用

この研究やコードが研究に役立つと思われる場合は、引用してください。

 @article{gao2022rfnext,   
title={RF-Next: Efficient Receptive Field Search for Convolutional Neural Networks},   
author={Gao, Shanghua and Li, Zhong-Yu and Han, Qi and Cheng, Ming-Ming and Wang, Liang},   
journal=TPAMI,   
year={2022} }

@inproceedings{gao2021global2local,
  title={Global2Local: Efficient Structure Search for Video Action Segmentation},
  author={Gao, Shang-Hua and Han, Qi and Li, Zhong-Yu and Peng, Pai and Wang, Liang and Cheng, Ming-Ming},
  booktitle=CVPR,
  year={2021}
}