every blog every motto: We would rather reuse an active dwarf than a sleeping giant.
0. 前言
暂无
1. 正文
1.1 基础概念辨析
1. 普通卷积Conv2D
结果/作用: 特征图大小不变或缩小。
具体介绍参考:参考文章1 参考文章2
2. 转置卷积Conv2DTranspose
结果/作用: 特征图变大(上采样)
简要概括: 输入特征图中间填充0
具体介绍参考:参照文章3
3. 空洞卷积Dilated/Atrous Convolution
结果/作用: 增大感受野
简要概括: 卷积核中间填充0
1.2 空洞卷积
概念: 空洞卷积(Dilated/Atrous Convolution)相比原来正常的卷积多了hyper-parameter称为空洞率(dilation rate)指kernel的间隔数量(dilation rate -1)。
其中,正常卷积的空洞率为1。
1.2.1 卷积网络存在的问题
- up-sample/pooling layer是不可学习的(没有参数)。
- 内部数据结构丢失,空间层级化丢失。
- 小物体信息无法重建(假设有四个pooling layer,则,任何小于2^4=16pixel的物体信息将理论上无法重建)
1.2.2 空洞卷积
1.2.3 卷积核大小
如,空洞卷积kernel=3,空洞率,dilation rate=2
那么,
K = kernel + (kernel-1) * (dr-1)