Deformable Conv用得很多，据我预期来说，可变形卷积就是让原来kernel中"定死"的参数变成"可学习的"参数，这样kernel的形状就会变来变去，最终提取出来的feature形状也更加多样
参考文章：CNN卷积神经网络之DCN（Deformable Convolutional Networks、Deformable ConvNets v2）_dcn神经网络-CSDN博客
参考视频：（这个博主值得关注哦） Enzo_Mi的个人空间-Enzo_Mi个人主页-哔哩哔哩视频 (bilibili.com)
（一）使用位置
并不是所有的卷积都一股脑地换成可行变卷积就是好的，在提取到一些语义特征后使用形变卷积效果会更好一点，一般来说是网络靠后的几层。
（二）弊端
因为可学习的参数增加了，所以 参数量会稍微增多 、 运行速度也会略微变慢
（三）其他
等待实践。。。