deform_conv2d

deform_conv2d 对输入4-D Tensor计算2-D可变形卷积。给定输入Tensor x，输出Tensor y，可变形卷积运算如下所示：

可形变卷积v2(mask != None):

可形变卷积v1(mask = None):

其中

和

分别为第k个位置的可学习偏移和调制标量。在deformable conv v1中

为1.

具体细节可以参考论文：<<Deformable ConvNets v2: More Deformable, Better Results>> 和 。

示例

输入：

卷积核形状：

offset 形状：

mask 形状：

输出：

输出形状：

其中

参数：

• x (Tensor) - 形状为

• offset (Tensor) – 可变形卷积层的输入坐标偏移，数据类型为float32或float64。

• bias (Tensor, 可选) - 可变形卷积偏置项, 形状为

  

  。

• stride (int|list|tuple，可选) - 步长大小。卷积核和输入进行卷积计算时滑动的步长。如果它是一个列表或元组，则必须包含两个整型数：（stride_height,stride_width）。若为一个整数，stride_height = stride_width = stride。默认值：1。

• dilation (int|list|tuple，可选) - 空洞大小。空洞卷积时会使用该参数，卷积核对输入进行卷积时，感受野里每相邻两个特征点之间的空洞信息。如果空洞大小为列表或元组，则必须包含两个整型数：（dilation_height,dilation_width）。若为一个整数，dilation_height = dilation_width = dilation。默认值：1。

• groups (int，可选) - 二维卷积层的组数。根据Alex Krizhevsky的深度卷积神经网络（CNN）论文中的成组卷积：当group=n，输入和卷积核分别根据通道数量平均分为n组，第一组卷积核和第一组输入进行卷积计算，第二组卷积核和第二组输入进行卷积计算，……，第n组卷积核和第n组输入进行卷积计算。默认值：1。

• name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值为None。

返回：可变形卷积输出的4-D Tensor，数据类型为float32或float64。

代码示例：