空洞卷积(dilate convlution)介绍

关于空洞卷积的一个必看动画:GitHub - vdumoulin/conv_arithmetic: A technical report on convolution arithmetic in the context of deep learning

通过这个动画,我纠正了自己对于空洞卷积的一个错误认识。

注意:下图中所有的蓝色为输入图片,绿色为输出图片

空洞卷积的作用是获得原图中较大的感受野+计算量不会变大(至少维持在原有的分辨率水平)。在图上我们可以清晰地看到,正是由于空洞卷积的引入,一张7×7的蓝色图片可以在保证全局特征都被卷过一次的前提下,生成一张3 ×3的绿色图片。

空洞卷积(dilate convlution)介绍_第1张图片

 

如果我们不使用空洞卷积,而是使用传统的方法,得到的绿色图片的尺寸会远远大于使用空洞卷积的尺寸。如下面左图输入尺寸是 6 × 6(padding=1) 输出尺寸是 5 × 5

再像下右图而言。输入尺寸是 7× 7(padding=0) 输出尺寸是5 × 5

 

空洞卷积(dilate convlution)介绍_第2张图片空洞卷积(dilate convlution)介绍_第3张图片

 

可见空洞卷积的引入确实解决了获得较大感受野+ 保持图片分辨率基本不变的性格。

推荐阅读:更详细的介绍空洞卷积

一文详解什么是空洞卷积?_Mr.Jk.Zhang的博客-CSDN博客_空洞卷积

你可能感兴趣的:(学习生活,笔记,科研日常,深度学习,神经网络)