空洞卷积（Dilated convolutions）与感受野的理解

最近在读‘MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS’这篇论文，里面提到了DILATED CONVOLUTIONS，即空洞卷积，下面我就来介绍一下它的基本原理。
Firstly，我们应该知道普通卷积的基本操作过程，如下图所示：

上图是具体的计算过程，卷积核为单个，我们接下来看普通卷积感受野的理解：

上图中输入图片的大小为10x10，通过3x3的卷积核运算，得到（10-3+1）x（10-3+1）大小的future maps，在output1中每一个像素点，即图中的红色框所所对应的输入图片的区域大小为3x3，这就是第一次卷积后神经元对应的感受野大小为3x3。

上图中进行了第二次卷积，output2中的神经元对应上一层的感受野为3x3，即output1中的红色区域，接下来是理解的重点啦，要想得到output2的输出大小，在原始输入图像上要用多大的卷积核进行卷积？看图就得知，为5x5大小的卷积核，得嘞，这就是output2的神经元对应输入图像的感受野大小为5x5，即第一张图的5x5红色区域。再进行更多次的卷积操作，感受野也是类似的理解。
Sendly，我们来看空洞卷积，看图说话：

上图是dilated convolution等于2的情形，左图为普通卷积，右图为空洞卷积，蓝色的圆即为添加的0。
举例说明：
输入图片的大小为224x224，采用3x3的卷积核，dilated convolution等于2，即在每两个像素点间插入一个0，卷积核变为3+3-1=5大小，即5x5，接下来的卷积操作和普通卷积操作一样，得到220x220大小的输出future maps，每一个神经元对应的上一层的感受野为5x5大小的区域。
输入图片的大小为224x224，dilated convolution等于4时，即在每两个像素点间插入三个0，卷积核变为3+（3-1）x3=9大小，即9x9，接下来的卷积操作和普通卷积操作一样，得到208x208大小的输出future maps，每一个神经元对应的上一层的感受野为17x17大小的区域。
其实上述的感受野大小计算方法可以理解为一种逆运算，y = x - f + 1，y 为输出图片的大小，x 为输入图片的大小，f 为卷积核的大小，当我们知道 y 时，便可以计算 f ，f = x - y + 1。这种方法适用于以上两种卷积的感受野计算，在这里，我没有考虑padding的加入。原理应该类似。
例：
输入图片的大小为224x224，第一次采用3x3的卷积核，dilated convolution等于2，得到220x220大小的输出future maps，每一个神经元对应的上一层的感受野为5x5大小的区域，第二次卷积，得到216x216大小的输出future maps，每一个神经元对应的上一层的感受野为5x5大小的区域，而对应最初的输入图片的感受野大小为f = 224 - 216 +1 = 9，即9x9。

附小福利：https://fomoro.com/projects/project/receptive-field-calculator