CV复习：空洞卷积

空洞卷积(Atrous Convolution)也叫做膨胀卷积、扩张卷积，最初的提出是为了解决图像分割在用下采样（池化、卷积）增加感受野时带来的特征图缩小，后再上采样回去时造成的精度上的损失。空洞卷积通过引入了一个扩张率的超参数，该参数定义了卷积核处理数据时各值的间距。

可以在增加感受野的同时保持特征图的尺寸不变,从而代替下采样和上采样，通过调整扩张率得到不同的感受野不大小：
a. 是普通的卷积过程(dilation rate = 1),卷积后的感受野为3
b. 是dilation rate = 2的空洞卷积,卷积后的感受野为5
c. 是dilation rate = 3的空洞卷积,卷积后的感受野为7
可以这么说,普通卷积是空洞卷积的一种特殊情况

空洞卷积的感受野、输出尺寸的计算：

与普通卷积的计算方法一致，只需要把空洞的部分也看作是卷积核的大小即可。

空洞卷积和池化的区别（不一定准确）：

1. pooling层会导致信息的损失，因为一般池化操作（比如1/2下采样）只会保留窗口内的最大值或均值，窗口之间一般不重合。所以有部分