一些卷积的特殊操作及优点

膨胀卷积：在不降低图像分辨率的基础上聚合图像中不同尺寸的上下文信息，并且扩大了感受野的范围。

视野更大的好处是能够更多的提取上下文的特征更广了，因为从b的9个点相对于a的9个点的视野范围就更大了，比如原来的卷积核大小是3，只能卷3个字，看这3个字有没有相关性，是不是一个命名实体，但如果有些命名实体的6个字的，那么就识别不准，将它放大以后一下子就可以看6个字了，再放大一倍一下子又可以看9个字了。但是这里并不冲突，因为最后会全部综合起来，它的最大的优点就在于此，也就是可以解决更长层的依赖。在计算机视觉方面则是可以更好的理解图片的上下文信息。

深度可分离卷积：

它是一种因式分解卷积，将标准的卷积分解成一个标准的卷积和1x1的点卷积。假设原来的卷积的层数是N，通道数是M，卷积核的大小是kxk，图的大小是FxF，那么原始的卷积的参数量就是kxkxMxNxFxF，使用后的参数就是kxkxMxFxF+MxNxFxF。

分组卷积：将通道分成几组，因此参数会变成原来的1/n。