空洞卷积（dilated convolution）通过在卷积核中增加空洞来扩大感受野，用于不损失空间分辨率的情况下增强深度网络的视野。这种技术在语义分割和目标检测任务中广泛应用，能捕获多尺度上下文信息，但可能增加计算量并导致优化难度提升。其感受野计算方法与标准卷积类似，通过调整空洞率可以控制感受野的大小。
空洞卷积(dilated/Atrous convolution)是在标准的卷积中引入空洞,以此来增加感受野reception field,相比原来的正常卷积,空洞卷积多了一个hyper-parameter称之为dilation rate指的是间隔数量(正常的convolution 是dilation rate=1),以3*3为例,标准卷积和空洞卷积示意如下:
普通卷积 空洞卷积
空洞卷积:在3*3卷积核中间填充0,有两种实现方式,第一,卷积核填充0,第二,输入等间隔采样.
标准卷积与空洞卷积在实现上基本相同,标准卷积可以看做空洞卷积的特殊形式.空洞卷积广泛应用于语义分割与目标检测等任务中,语义分割中经典的deeplab系列与DUC对空洞卷积进行了深入的思考.目标检测中SSD与RFBNet,同样使用了空洞卷积.
空洞卷积的作用
<
最低0.47元/天 解锁文章
915
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
