如何评价 MSRA 最新的 Deformable Convolutional Networks？ 第1页

蹲个马桶的功夫来总结下这篇论文。

目前已有的三篇讲这篇deformable convolution network的文章：

1.

2.

3.

一如既往的Jifeng Dai的work，继承了STN，刚花了一个下午看完这篇论文，很novel的工作，共同作者是msra的实习生们。

第一篇文章有句很生动的概括：“文章通俗的说法就是，图片中的物体形状本来就是千奇百怪，方框型的卷积核，即使卷积多次反卷积回去仍然是方框，不能真实表达物体的形状，如果卷积核的形状是可以变化的，这样卷积后反卷积回去就可以形成一个物体真实的多边形，更贴切的表达物体形状，从而可以更好的进行像素分割和物体检测。”

这张图可以很明显看出方法的有效性，每个三列的图中，左边是背景上的点对应的激活它的点（感受野），可以看出是覆盖天空的背景的。中间一列对应的是小物体，反向回去对应的激活点是几乎覆盖小物体上所有区域，同理右边那列对应大物体。

几个值得注意的地方：

1. 2.3一开头那几句讲解如何初始化deformable的部分。

2.主要是在一些detection和segmentation的task上取得了进步。后续关于分类任务的应用值得展望。

3.Learning the offset部分讲述了offset的学习过程的细节。

冒个泡，一个半月以后终于把code release出来了，放在了

，当时做实验用的是内部的只能在Windows上跑的支持多卡做detection的Caffe，基本没法release，花了一个多月迁移到了MXNet上。其实我们的实现跟现有的repo并不太一样，欢迎大家来围观。