论文：https://arxiv.org/abs/2003.08866

代码：https://github.com/zdaxie/SpatiallyAdaptiveInference-Detection

这个论文的关键词是动态网络。如下图所示，动态网络目标是可以对 简单 和 困难 的样本分别 采用不同的网络进行推理。对于简单样本采用小网络，对于困难样本采用大网络，这样可以有效降低计算中的冗余。

这篇论文就是研究动态网络，只对输入feature map部分特征进行卷积，其余部分特征可以通过预测来生成，从而有效减少计算量。论文的整体架构如下图所示，包括两个步骤：

• 第一步：生成 sample mask M M M，采样一部分点，只在采样的点上进行卷积；
• 第二步：feature map 上剩余的点，通过插值来生成。

第一步里，如何生成 M M M 矩阵是一个关键问题，最简单的方法就是定义一个阈值，大于阈值的点就是显著点，很多方法都是这么做的（下图左列所示）。但是作者认为，这样选出来的点，还会存在冗余，因为距离近的点，特征是相似的，还可以再少取一些（sparse sampling）。因此，作者提出使用 Gumbel-Softmax distribution 生成矩阵 M M M。（具体可以参考作者论文，这里不再多说）

第二步里，如何插值生成新的 feature map 是很关键的，作者在局部窗口内，用采样元素加权来计算未采样元素的值。加权方法可以有三种方法，Average pooling, conv, 和 RGF kernel ，作者也利用实验进行了选择。

在实际应用中，可以将 3x3 卷积层替换为这个方法，在ResNet中应用时，有三种方式，三个卷积共用一个 mask ，计算效率最高，但效果最差。经过实验，作者最终选择下图中第二个方案。