Dilated conv扩张卷积的理解（一看就会）

Q1：Dilated conv的作用？

A1：在同层计算不增加参数量的同时扩大感受野，感受野的理解见：https://blog.csdn.net/weixin_36835368/article/details/105659474

 

Q2：如何做到不增加参数的同时增加感受野？

A2：step0：先了解Dilated conv如何不增加参数数量

        绿色：与卷积核相乘的点。

                   通过下图可发现，都是9个点，所以计算所需的参数量没变。

        黄色：该部分用0进行mask。

        Tips: 理解为卷积核做0填充理解的话，相当于卷积核尺寸从3*3变成了5*5（rate=2）.

                new_K_size = K_size + (rate -1)*2

                你可以用这种思路去理解感受野，但是计算的过程中应该是:Input => 带0的mak => output

         step1： 感受野为什么增大了？

                感受野：输出feature map中一个点映射到原始图像的区域。

                通过（a）(b) (c) 的卷积操作得到的都是一个点，但这个点映射到原图像的区域却不一样。

                 假设（a),（b), (c）输入的层都是经过普通K=（3,3），S=1，P=0的卷积。

                 则：（a）RF0 =1 

                           => RF1= (1-1)*1+3=3 

                           => RF2 = (3-1)*1+3=5 

                           => RF3 = (5-1)*1+3=7

                              Tips:,这里RF小角标注意一下，这里上层用了小数字。

                        （b）RF0 =1

                             => RF1 = (1-1)*1+(3+(2-1)*2)=5

                             => RF2=(5-1)*1+3=7

                                  Tips:RF1中的K= new_K_size= K_size + (rate -1)*2, RF2中的K= K_size=3

                        （c）RF0=1

                             => RF1=(1-1)*1+(3+(3-1)*2)=7

                         通过上述计算，可以发现，使用rate=3的Dilated conv向前推一层的感受野就达到了（7,7），而使用rate=2的带孔卷积需要向前推两层才能达到，不带孔的普通卷积若想达到（7,7）需要进行三层。