卷积膨胀 Dilation

参考：卷积的dilation操作

如果我们设置的dilation=0的话，效果如图:
蓝色为输入，绿色为输出，可见卷积核为3*3的卷积核

如果我们设置的是dilation=1，那么效果如图:
蓝色为输入，绿色为输出，卷积核仍为3*3，但是这里卷积核点与输入之间距离为1的值相乘来得到输出

好处就是卷积核的参数没变，但是感受野变大了

2、dilation
参考：【DL】卷积膨胀 Dilation

dilation 是对 kernel 进行膨胀，多出来的空隙用 0 padding。用于克服 stride 中造成的 失真问题。

对应关系是 kd = ( k − 1 ) × d + 1 , 对原始kernel 进行 d 倍 dilation 之后得到新的 kd , k 一般是奇数，d 一般是偶数，从而保证了 kd也是奇数。注意，使用dilation的时候，先把 k dilation 成 kd, 去卷积运算，生成下一层的 feature map。但是参数存储的还是原始的 k的大小.

引入 dilation 的目的是 既想利用已经训练好的模型进行fine-tuning，又想改变网络结构得到更加dense的score map..

这样最大的好处就是卷积核的参数没变(还是9个)，但是感受野从 3x3 变成了 5x5. 虽然一个格子，计算的是5x5 感受野里的 9x9 个格子，但是卷积核整体看到了 7x7 的field，而不是 dilation 之前 5x5 的 field。