Deformable conv赋予了CNN位置变换的能力，与普通卷积的对比如下。可以看到，在每个特征点上，会产生一个偏移，变成

不规则的卷积（感觉本质上，就是让CNN自己去学习感受野）。

思想来源于STN（Spatial Transform Network），但它们有着巨大的差别：

     STN得到的是全局（global）的变换，也就是说所得的的变换（旋转、缩放等）都是对整幅图片有效的，因而一幅图片只有一个变换。但许多图片是复杂的，

有多个目标，不同目标的变换方式不同，一个变换包打天下不成。因而出现了Recurrent STN，由递归产生不同的变换，作用在图中不同的目标。这种思想的效率不高，只能用于简单的情况。
     Deform-conv则不同，它产生的是稠密的（dense）偏移，每一个输入特征点（Feature_map point）均会得到一个偏移
    

    由图中conv得到的就是偏移（offset），根据偏移，将原本规则的特征区域映射为不规则区域，进一步，因为偏移可能为小数，通过使用根据双线性插值，来抽取特征点。
   

    参考：https://blog.csdn.net/StreamRock/article/details/80921550