Deformable Convolution
终于看了看DCN，挺重要的trick，很多地方都能work，没有去看原文章，看了看别人的博客，自己在写一下，能自己写清楚才算懂了。
参考：
Deformable Convolution v1, v2 总结 - 吴冲若的文章 - 知乎
https://zhuanlan.zhihu.com/p/77644792
Motivation
普通卷积每个像素的感受野相同且为唯一值
而目标检测中，前景类的bbox大小是不同的，也就是说要求不同大小的感受野
为了解决这个问题，提出DCN，即在普通卷积之外，对于output的每个点，提供9个offset偏移系数，即这个点所对应的原feature map上9个点的偏移量(3*3卷积核)
如上图所示，A:普通卷积核3*3，用于预测offset的卷积核B同样是3*3，同样大小。这样先用B对原feature map进行卷积，得到output feature map同样面积大小，channel数为2N的offset map，N是卷积核的面积，3*3卷积核N就是9，2是因为有(x,y)两个方向上的偏移量，然后