InternImage：探索具有可变形卷积的大规模视觉基础模型

点击蓝字 关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式计算机视觉研究院专栏Column of Computer Vision Institute与近年来大规模视觉transformers（ViTs）的巨大进步相比，基于卷积神经网络（CNNs）的大规模模型仍处于早期状态。01简介今天分享的研究者提出了一种新的基于CNN的大规模基础模型，称为InternImage，它可以从增加参数和训练数据（如ViTs）中获得增益。与最近关注large dense kernels的CNN不同，InternImage以可变形卷积为核心算子，使我们的模型不仅具有检测和分割等下游任务所需的大有效感受野，而且具有受输入和任务信息约束的自适应空间聚合。因此，所提出的InternImage减少了传统CNNs严格归纳偏差，并使其能够从像ViT这样的海量数据中学习具有大规模参数的更强、更稳健的模式。我们的 ………………………………