吃透空洞卷积（Dilated Convolutions）

最新推荐文章于 2023-03-23 15:36:41 发布
最新推荐文章于 2023-03-23 15:36:41 发布
阅读量208 收藏
点赞数
分类专栏： 深度学习
原文链接：https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247524546&idx=2&sn=0a2f069e07f2e9e964a9d53a5a807033&chksm=ec1c8d3bdb6b042da38b1c96b2a489d388dc9e6626713ba8e1b6e911fdd82223cc6ef923737f&mpshare=1&scene=1&srcid=1204VhNsLMYvxf6JDrffTLmO&sharer_sharetime
版权

吃透空洞卷积（Dilated Convolutions）
转载：https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247524546&idx=2&sn=0a2f069e07f2e9e964a9d53a5a807033&chksm=ec1c8d3bdb6b042da38b1c96b2a489d388dc9e6626713ba8e1b6e911fdd82223cc6ef923737f&mpshare=1&scene=1&srcid=1204VhNsLMYvxf6JDrffTLmO&sharer_sharetime=1607149677791&sharer_shareid=9ae531a569749ba4bb30fa2d727214e0&exportkey=Ab2KvBael%2B7Qjir0C3LbuhA%3D&pass_ticket=%2BAsDodH8uzyvWM5KJiC0P8tHInuGqdsejvepEnGohgZ37ZxpaBzq4cPy%2BRIXnQCn&wx_header=0#rd

timetime88
关注
专栏目录
如何理解空洞卷积（dilated convolution）
cumtchw
07-21 645
1.空洞卷积概念 Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 reception field。相比原来的正常convolution，dilated convolution 多了一个 hyper-parameter 称之为 dilation rate 指的是kernel的间隔数量(e.g. 正常的 convolution 是
因果卷积(causal Convolutions)和扩展卷积(Dilated Convolutions)
热门推荐
u013195114的博客
04-16 3万+
背景 对于序列问题(Sequence Modeling)的处理方法，通常采用RNN或者LSTM，例如处理一段视频/音频，往往会沿着时间方向（时序）进行操作。通常CNN网络都被认为适合处理图像数据而不适合处理sequence modeling问题；而今年来，由于RNN及LSTM这类模型的瓶颈，越来越多的人开始发现其实CNN对于这种序列问题的处理是被大大低估了，CNN建立的model要比之前人们之前用...
空洞卷积
zhuimengshaonian66的博客
10-23 3557
链接：https://www.zhihu.com/question/54149221   Dilated/Atrous Convolution 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 reception field。相比原来的正常convolution，dilated convolution ...
【学习日志】【TCN】时间序列卷积神经网络（1）
hotpants的博客
03-23 4301
卷积运算就是将一个小的滑动窗口（称为卷积核或过滤器）在一个大的数据（称为输入或特征图）上滑动，并对每个窗口内的数据进行加权求和，得到一个新的数据（称为输出或激活图）。例如，在生物信号处理中，如果我们有1000个时间步长和8个信号通道，则我们可以将其表示为一个1000×8 的数组作为TCN 的输入。TCN还使用了空洞卷积，这是一种在卷积核中插入空白位置（称为膨胀因子）的技术，使得卷积核可以覆盖更长范围的输入，而不增加参数数量。就是CNN的卷积（卷积核在数据上进行的一种滑动运算的操作）。
时间卷积网络TCN：CNN也可以处理时序数据并且比LSTM更好
deephub
09-13 9567
本文回顾了 Shaojie Bai、J. Zico Kolter 和 Vladlen Koltun 撰写的论文：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling。 在 TCN 之前，我们经常将 LSTM 和 GRU 等 RNN 关联到新的序列建模任务中。 然而，论文表明 TCN（时间卷积网络）可以有效地处理序列建模任务，甚至优于其他模型。 作者还证明了 TCN 比 LST
时间序列预测方法之 WaveNet
算命笔记
03-18 4326
最近打算分享一些基于机器学习的时间序列预测方法。这是第四篇。 前面已经分享了两个基于 RNN 的模型（DeepAR 和 DeepState）和一个基于 Attention 的模型（Transformer），今次将会介绍一个基于 CNN 的模型。 Google DeepMind 在 2016 年发表了 WaveNet: A generative model for raw audio 。这篇文章介绍...
【深度学习】空洞卷积（Atrous Convolution）
lhwjgs123456789的博客
07-09 1133
优点：在不做pooling损失信息和相同的计算条件下的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。空洞卷积经常用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑空洞卷积。 空洞卷积（dilated convolution）是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一种卷积思路。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。扩
空洞卷积dilated conv
linsen333的博客
08-30 278
空洞卷积 a、b、c图卷积核均为3*3，图a和普通的卷积操作一样，a)图对应3x3的1-dilated conv，b)图对应3x3的2-dilated conv，2-dilated conv的前一层是一个1-dilated conv的话， 那么每个红点就是1-dilated的卷积输出，所以感受野为3x3，所以1-dilated和2-dilated合起来就能达到7x7的conv。c)图是4-dilated conv操作，同理跟在两个1-dilated和 2-dilated conv的后面，能达到15x15的感
基于膨胀卷积神经网络（Dilated Convolutions）训练好的医疗命名实体识别工具
最新发布
07-11
【作品名称】：基于膨胀卷积神经网络（Dilated Convolutions）训练好的医疗命名实体识别工具 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目...
基于膨胀卷积神经网络（Dilated Convolutions）训练好的医疗命名实体识别工具.zip
05-18
基于膨胀卷积神经网络（Dilated Convolutions）训练好的医疗命名实体识别工具 卷积神经网络（Convolutional Neural Networks, CNNs 或 ConvNets）是一类深度神经网络，特别擅长处理图像相关的机器学习和深度学习任务...
总结-空洞卷积(Dilated/Atrous Convolution)
oqqFei123456789ss的博客
02-22 876
总结-空洞卷积(Dilated/Atrous Convolution) 各种语义分割中的空洞卷积和优化方法 https://zhuanlan.zhihu.com/p/50369448
【论文阅读--实时语义分割】RegSeg：Rethink Dilated Convolution for Real-time Semantic Segmentation
magic_ll的博客
03-03 4610
Abstract 语义分割的最新进展通常采用ImageNet预训练主干网，在其后面有一个特殊的上下文模块，以快速增加视野。尽管取得了成功，但大部分计算所在的主干网没有足够大的视野来做出最佳决策。最近的一些进展通过快速降低主干中的分辨率来解决这个问题，同时还具有一个或多个具有更高分辨率的并行分支。我们采用了一种不同的方法，设计了一种受ResNeXt启发的块结构，该结构使用两个具有不同膨胀率的平行3×3卷积层来增加视野，同时保留局部细节。通过在主干中重复这种块结构，我们不需要在其后面附加任何特殊的上下文模块。此
卷积 concat_为什么时间序列预测的应用中常使用因果、膨胀卷积（错误改正！！）...
weixin_35578211的博客
01-29 399
首先为啥使用因果卷积，我觉得以多变量数据序列预测来讨论会比较好理解之前的写错了写错了，首先需要知道的是，普通的cnn也是可以用于时间序列预测的，只不过实践中，wavenet、tcn这类的序列模型在时间序列预测的表现比较出色，所以因果+空洞卷积的组合才火起来了，使用传统的cnn建模的例子也有很多，可见：https://machinelearningmastery.com/how-to-develop...
谈谈膨胀卷积
how many roads a model must walk down, before they call him a service
06-26 9163
膨胀卷积（空洞卷积、Dilation Convolution/Atrous Convolution）的本质是为了1.避免下采样而减少feature map的信息2.感受野又不变如图，（c）为膨胀卷积，考虑亮黄色的神经元，视野为1-5，在（b）的情况中，需要再加一层，才有一个神经元的视野有1-5的情况，但这样参数就变成了好几倍了。caffe中的膨胀系数dilation可以理解为对    原始卷积尺寸...
饭后时间（一）---SSD中的 带孔卷积原理
计算机视觉
07-07 1267
https://www.bilibili.com/video/av45124983 1 优点： 1增加感受野 2 减少层数，提高效率 2 感受野： 卷及运算，输出每层的特征图上面的像素点 在原始图像上面的映射区域的大小 3 步长为1的情况 3*3的卷积核，步长1, 3次才能到7*7 （1 + 2*3 = 7） 1*1的特征图感受野为7*7，步长1 ...
空洞卷积详解
tt丫的博客
02-23 2万+
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。 一、感受野（知道的可以直接跳） 感受野指：卷积神经网络每一层输出的特征图上的像素点在输入图片上映射的区域大小，即FC层每个输出节点的值都依赖FC层所有输入，而CONV层每个输出节点的值仅依赖CONV层输入的一个区域，这个区域之外的其他输入值都不会影响输出值，该区域就是感受野。简单来说就是特征图上的一个点对应输入图上的区域。 举个栗子：一个5*5的特征图经过2个3*3卷积核后（步长为1，padd
LSTM的备胎，用卷积处理时间序列——TCN与因果卷积（理论+Python实践）
忽逢桃林的博客
04-15 2万+
什么是TCN TCN全称Temporal Convolutional Network，时序卷积网络，是在2018年提出的一个卷积模型，但是可以用来处理时间序列。 卷积如何处理时间序列 时间序列预测，最容易想到的就是那个马尔可夫模型： P(yk∣xk,xk−1,...,x1)P(y_k|x_k,x_{k-1},...,x_1)P(yk​∣xk​,xk−1​,...,x1​) 就是计算某一个时刻的输出...
关于dilated convolution(空洞卷积)感受野的计算
编程之路
11-01 2万+
关于感受野的定义请参考：https://www.jianshu.com/p/2b968e7a1715 定义：感受野用来表示网络内部的不同神经元对原图像的感受范围的大小，或者说，convNets(cnn)每一层输出的特征图(feature map)上的像素点在原始图像上映射的区域大小。   计算公式:       从前往后： F后 = （F前 - 1） + k    (F代表感受野的大小，...
空洞卷积(dilated convolution)理解
qq_43119354的博客
04-12 1327
Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 reception field。相比原来的正常convolution，dilated convolution 多了一个 hyper-parameter 称之为 dilati...
stacked dilated convolutions
05-22
Stacked dilated convolutions refer to a type of convolutional neural network (CNN) architecture where multiple dilated convolutions are used in a series (or "stack") to extract features from the input...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值