dilated convolution

参考论文：Multi-Scale Context Aggregation by Dilated Convolutions

图像语义分割为，将图像像素点进行分类，例如FCN(全卷积网络),首先将输入图像输入CNN提取图像特征，在输入pooling层，以缩小尺寸并提高感受野。但由于是对图像的每个像素点进行分类，即输出与输入大小相同，因此pooling之后需要对其进行upsampling,以扩大图像尺寸。将图像由小变大的过程势必导致一些信息的丢失，那么就会想到是否可以不进行pooling操作，也可以增大感受野呢。本文提出的dilated convolution正是为了解决这个问题。

dilated convolution

另$F:Z^2->R$为一个离散函数，k为大小为$(2r+1)^2$的离散滤波器，则离散卷积操作*定义如下：

定义l为dilation 因子，*l操作定义如下：

l操作即为一个dilated convolution，也称为l-dilated convolution。我们熟悉的离散卷积也就是1-dilated convolution.
定义$F_0,F_1,...,F_n:Z^2->R$为离散函数，$k_0,k_1,...,k_n-2$为$3\times3$的离散滤波器，dilated convolution满足指数增长：

也就是说每个$F_{i+1}$是由$F_i$经过$2^i$dilated convolution得到的。每个$F_{i+1}$的感受野为$(2^{i+2}-1)\times (2^{i+2}-1)$。

图中，$F_1$是由$F_0$经1-dilated convolution得到的，$F_1$的每个元素感受野为$3\times3$.$F_2$是由$F_1$经2-dilated convolution得到的，$F_2$的每个元素感受野为$7\times7$.$F_3$是由$F_2$经4-dilated onvolution得到的，$F_3$的每个元素感受野为$15\times15$.