【CNN】感受野上下文信息利用dilated conv空洞卷积

Contextual Convolutional Neural Networks
我们提出了⽤于视觉识别的上下⽂卷积。CoConv是标准卷积的直接替代，标准卷积是卷积神经⽹络的核⼼组成部分。与标准卷积相⽐，CoConv隐含地具有合并上下⽂信息的能⼒，同时保持相似数量的参数和计算成本。CoConv受到神经科学研究的启发，这些研究表明
(I)神经元，甚⾄来⾃初级视觉⽪层(V1区)的神经元，都参与了上下⽂线索的检测，并且(ii)视觉神经元的活动可以受到完全置于其理论感受野之外的刺激的影响。⼀⽅⾯，我们将CoConv集成到⼴泛使⽤的残差⽹络中，并在视觉识别的核⼼任务和基准上，即在ImageNet数据集上的图像分类和在MS COCO数据集上的⽬标检测上，显⽰出⽐基线更好的识别性能。另⼀⽅⾯，我们在最先进的⽣成对抗⽹络的⽣成器中引⼊了oConv，在CIFAR-10和CelebA上显⽰了改进的⽣成结果