python - 在 PyTorch 中实现快速密集特征提取

Question

我正在尝试在 PyTorch 中实现这篇论文 Fast Dense Feature Extractor但我在将他们提供的 Torch 实现示例转换为 PyTorch 时遇到问题。

到目前为止，我的尝试存在一个问题，即当向特征图添加附加维度时，卷积权重与特征形状不匹配。这是如何在 Torch 中管理的(从他们的实现来看，Torch 似乎并不关心这一点，但 PyTorch 关心)。我的代码:https://gist.github.com/system123/c4b8ef3824f2230f181f8cfba84f0cfd

解决此问题的任何其他解决方案也很棒。基本上，我有一个特征提取器，可以将 128x128 补丁转换为嵌入，并且我想以密集的方式在更大的图像上应用它，而不使用 for 循环来评估每个位置上的 CNN，因为它有很多重复计算。

Answer 1

今天是你的幸运日，因为我最近上传了论文的 PyTorch 和 TF 实现 Fast Dense Feature Extraction with CNNs with Pooling Layers .

一种在存在整个图像的池化层和跨步层的情况下有效计算基于补丁的局部特征描述符的方法。

参见https://github.com/erezposner/Fast_Dense_Feature_Extraction了解详情。

它包含简单的说明，解释如何使用快速密集特征提取 (FDFE) 项目。

祝你好运