NIPS 2018 有什么值得关注的亮点？

挖一下老帖子~

由于开源需要审批，一直没有出来讲，现在开源了，欢迎大家试用~

直接替换原来的卷积核，就可以获得很好的效果：

图像分类：首先，我们将本文所提出的算法在ImageNet数据集上进行图像分类的测试实验。表1展示了几个标准模型（AlexNet，ResNet-50和ResNeXt-50）利用本文所提出的多用卷积核之后的实验结果。我们并不改变这些神经网络模型的结构（层数、每层的卷积核尺寸、参数等），仅仅根据本文所提出的多用卷积核的计算方式来对每一层的卷积核个数进行减少。

图像超分辨率：除了利用本文所提出的多用卷积核来进行图像分类实验之外，我们将其应用在图像处理的问题中。以图像超分辨率为例，我们替换了VDSR网络中原始卷积核为本文中所述的多用卷积核，具体的实验结果如表2所示。

图1展示了利用本文所提出的多用卷积核之后的图像超分辨率实验结果，我们使用轻型高效的深度卷积神经网络得到了具有更高清晰度的图像。