在空洞卷积提出以前,大部分上采样都是线性或者双线性插值或者后来的反卷积。前者通常是通过线性或双线性变换进行插值,虽然计算量小,但是效果有时不能满足要求;后者则是通过卷积实现,虽然精度高,但是参数计算量增加了,同时会产生“栅格效应”。
空洞卷积的优点:
- 让我们能够方便的控制特征分辨率
- 在不增加参数数目或者计算量的同时,有效扩大感受野。
空洞卷积的定义:
字面上就很好理解,翻译为扩张卷积或空洞卷积,是在标准的 convolution map 里注入空洞,以此来增加 reception field。空洞与普通的卷积相比,除了卷积核的大小以外,还有一个扩张率(dilation rate)参数,主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于,卷积核的大小是一样的,在神经网络中即参数数量不变,区别在于扩张卷积具有更大的感受野。