1. 扩张卷积
Dilated Convolutions,翻译为扩张卷积或空洞卷积。扩张卷积与普通的卷积相比,除了卷积核的大小以外,还有一个扩张率(dilation rate)参数,主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于,卷积核的大小是一样的,在神经网络中即参数数量不变,区别在于扩张卷积具有更大的感受野。感受野是卷积核在图像上看到的大小,例如3×33 \times 3卷积核的感受野大小为9。
2. 示意图
下图是扩张卷积的示意图。
(a) 普通卷积,1-dilated convolution,卷积核的感受野为3×3=93 \times 3 = 9。 (b) 扩张卷积,2-dilated convolution,卷积核的感受野为7×7=497 \times 7 = 49。 (c) 扩张卷积,4-dilated convolution,卷积核的感受野为15×15=22515 \times 15 = 225。
从上图中可以看出,卷积核的参数个数保持不变,感受野的大小随着“dilation rate”参数的增加呈指数增长。
3. 优点
扩展卷积在保持参数个数不变的情况下增大了卷积核的感受野,同时它可以保证输出的特征映射(feature map)的大小保持不变。一个扩张率为2的3×3卷积核,感受野与5×5的卷积核相同,但参数数量仅为9个,是5×5卷积参数数量的36%36\%。
4. 应用
扩张卷积在图像分割、语音合成、机器翻译、目标检测中都有应用。