本文介绍了深度可分离卷积、空洞卷积（扩张卷积）以及反卷积的概念，强调空洞卷积在保持计算成本和特征图尺寸不变的情况下增大感受野的优势。讨论了空洞卷积的网格效应和远距离信息不相关的问题，并提出Hybrid Dilated Convolution作为解决方案。此外，还提及了反卷积在上采样过程中的作用和局限性。
输出特征图尺寸的计算
Depthwise卷积和Pointwise运算成本比较低
空洞卷积
https://www.zhihu.com/people/merofine/posts?page=2 这个人博客写得好。
概述
- atrous convolutions 又名 扩张卷积（dilated convolutions）
- 利用添加空洞扩大感受野，让原本3x3的卷积核，在相同参数量和计算量下拥有5x5（dilated rate =2）或者更大的感受野，从而无需下采样
- dilation rate（扩张率），指的是kernel各点之前的间隔数量（正常的convolution 的 dilatation rate为 1）
deep cnn 存在的主要
最低0.47元/天 解锁文章
扫一扫
439
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
