快速傅里叶卷积FFC结构

快速傅里叶卷积（FFC）是一种神经算子，它允许在神经网络中执行非局部推理和生成。FFC的结构包括本地分支和全局分支。局部分支使用传统的卷积进行特征图的局部更新，而全局分支对特征图进行傅里叶变换并在影响全局上下文的频谱域内进行更新。具体来说，FFC会先对特征图的频率维度进行傅里叶变换，然后再进行卷积操作和傅里叶反变换。这使得FFC在涉及到傅里叶变换的维度上对输入张量有全局影响。

此外，研究发现将FFC层合并到U-Net架构中是有益的。在U-Net结构的每一层，可以使用几个剩余的FFC块与卷积上采样或下采样。通常，使用FFC的U-Net级别时，参数α（进入快速傅里叶卷积全局分支的通道的比率）的选择对于性能的提升是有益的。

另外，FFC也可以应用于语音增强问题。研究表明，基于快速傅里叶卷积的神经网络架构在语音增强质量、相位估计和参数效率方面明显优于基于普通卷积的架构。因此，所提出的FFC架构在语音降噪基准测试中表现出最先进的结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [FFC-SE: Fast Fourier Convolution for Speech Enhancement](https://blog.csdn.net/weixin_48994423/article/details/124190533)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]