膨胀卷积11111

 左图为普通卷积，右图为膨胀卷积

r为膨胀因子，r=2也就是记录的每两个参数之间的距离，r=1也就是普通卷积

膨胀卷积的作用

a.增大感受野(容易看出，右边感受野更大)

b.一般会保持原输入特征图的高度和宽度

**为什么要使用膨胀卷积

在语义分割任务中，比如fcn，通常会使用分类网络作为网络的backbone，进行一系列的下采样，然后我们再通过一系列的上采样还原会原图大小，在平时使用的分类网络中，一般会将高度和宽度下采样32倍，由于后期要还原回原图大小，所以如果将特征图的高宽下采样倍率太大的话，对还原有很大影响 

比如vgg网络，通过maxpool层进行下采样操作 ，首先会减小特征图的高宽，其次会丢失一些细节信息以及一些比较小的目标，无法通过后期的上采样来还原，会导致在语义分割任务中分割的效果不是特别理想

 如果直接将maxpooling层去掉，会导致得到的特征图所对应原图的感受野变小了（最大池化下采样层能增大特征层的感受野），那么对于maxpooling之后的一些列卷积层，他们又是在之前所对应的感受野之上 进一步操作的，不可行

而膨胀卷积，既能增大感受野，又能保持输入输出特征图的高和宽

2.

问题

膨胀卷积过程中经常会遇到gridding effect的问题

如果连续使用三个膨胀卷积层 

首先看一下layer2上的pixel利用到了layer1上的哪些数据

会使用到layer1上9个像素位置上的参数

 

 当我们连续使用两个膨胀系数为2的膨胀卷积时，layer3上的一个pixel利用到了layer1上的哪些像素呢

如图有颜色的位置（25个pixel的信息），数字代表利用次数        

 如果连续使用3个，如图

 可以看到，layer4上的一个pixel利用到的layer1上的数据并不是连续的（这就是griding effect现象）

也就是指利用到了区域中的一部分像素值，会丢失一些细节信息

以下为另一组实验（区域内的像素都利用到了）

对比，参数数量相同，膨胀系数不同，感受野均为13*13，1中有很多像素值没有运用到

我们更倾向于第二种，对于高层的任意一个pixel它使用第一层的数据是一个连续的区域

若只是用普通卷积，参数数量相同，感受野为7*7

 

3.

连续使用多个膨胀卷积时，如何设置系数

 如果连续使用n个膨胀卷积，卷积核大小为k*k，膨胀系数为r1，r2........

目标是通过一系列膨胀卷积后，能够完全覆盖底层特征层上的一个方形区域，并且没有任何空洞

 *****公式的意思是

  第i层所对应的两个非0元素之间的最大距离等于这三个参数取最大值

最后一层非0元素之间的最大距离是等于最后的膨胀系数的 

设计目标是M2小于等于k

r为什么要从1开始？

既然我们希望高层特征图中的一个pixel利用到一个区域中所有像素的话，那么M1要等于1 

由公式，M1等于三个数中的最大值

*****将膨胀系数设置为锯齿结构

****公约数不能大于1

 

 第一行为认为标注

第二行没有遵循设计准测

第三行遵循了设计准则