当前位置：网站首页>CV复习：空洞卷积

CV复习：空洞卷积

2022-08-10 11:47:00 【pomelo33】

空洞卷积(Atrous Convolution)也叫做膨胀卷积、扩张卷积，最初的提出是为了解决图像分割在用下采样（池化、卷积）增加感受野时带来的特征图缩小，后再上采样回去时造成的精度上的损失。空洞卷积通过引入了一个扩张率的超参数，该参数定义了卷积核处理数据时各值的间距。

可以在增加感受野的同时保持特征图的尺寸不变,从而代替下采样和上采样，通过调整扩张率得到不同的感受野不大小：
a. 是普通的卷积过程(dilation rate = 1),卷积后的感受野为3
b. 是dilation rate = 2的空洞卷积,卷积后的感受野为5
c. 是dilation rate = 3的空洞卷积,卷积后的感受野为7
可以这么说,普通卷积是空洞卷积的一种特殊情况

空洞卷积的感受野、输出尺寸的计算：

与普通卷积的计算方法一致，只需要把空洞的部分也看作是卷积核的大小即可。

空洞卷积和池化的区别（不一定准确）：

1. pooling层会导致信息的损失，因为一般池化操作（比如1/2下采样）只会保留窗口内的最大值或均值，窗口之间一般不重合。所以有部分的信息会损失。

2. 用空洞卷积的话，虽然卷积窗口中也存在空洞，但可以通过调整stride来确保像素点被扫到。空洞卷积去掉池化下采样操作的同时，而不降低网络的感受野。

深度学习基础-卷积、池化、转置卷积、空洞卷积辨析 - 知乎 (zhihu.com)

原网站

版权声明
本文为[pomelo33]所创，转载请带上原文链接，感谢
https://blog.csdn.net/he_pomelo/article/details/126262317