在 PyTorch 中實現快速密集特征提取

Question

我正在嘗試在 PyTorch Fast Dense Feature Extractor 中實現這篇論文，但是我無法將他們提供的 Torch 實現示例轉換為 PyTorch。

到目前為止，我的嘗試存在一個問題，即在向特征圖添加額外維度時，卷積權重與特征形狀不匹配。 這是如何在 Torch 中管理的（從他們的實現來看，Torch 似乎並不關心這一點，但 PyTorch 關心）。 我的代碼： https : //gist.github.com/system123/c4b8ef3824f2230f181f8cfba84f0cfd

這個問題的任何其他解決方案也會很棒。 基本上，我有一個特征提取器，可以將 128x128 的補丁轉換為嵌入，我想以密集的方式在更大的圖像上應用它，而不使用 for 循環來評估每個位置的 CNN，因為它有很多重復計算。

Answer 1

這是你的幸運日，因為我最近上傳了論文Fast Dense Feature Extraction with CNNs with Pooling Layers的 PyTorch 和 TF 實現。

一種在存在整個圖像的池化層和跨步層的情況下有效計算基於補丁的局部特征描述符的方法。

有關詳細信息，請參閱https://github.com/erezposner/Fast_Dense_Feature_Extraction 。

它包含將解釋如何使用快速密集特征提取 (FDFE) 項目的簡單說明。

祝你好運