空洞卷积（Atrous Convolution）

优点：在不做 polling 损失信息和相同的计算条件下的情况下，增大了感受野，让每个卷积输出都包含较大范围的信息。空洞卷积经常应用在实时图像分割中。当网络层需要较大的感受野，但计算资源有限而无法提高卷积核数量或大小时，可以考虑空洞卷积。

空洞卷积（atrous convolutions）又称扩张卷积（dilated convolutions），是针对图像语义分割问题中下采样会降低图像分辨率、丢失信息而提出的一个卷积网络。利用添加空洞扩大感受野，让原本3×3的卷积核，在相同参数量核计算量下拥有5×5（dilated rate=2）或者更大的感受野，从而无需下采样。空洞卷积引入了一个成为“扩张率（dilated rate）”的新参数，该参数定义了卷积核处理数据时各值的间距，换句话说，相比原来的标准卷积，空洞卷积多了一个 hyper-parameter（超参数）称之为 dilation rate（扩张率），指的是 kernel各点之间的间隔数量。

空洞卷积概念

红色的点为实际要卷积的像素，两个像素之间的距离，就是 dilation rate（扩张率）。

(a)图对应的3×3的1-dilated conv，核普通的卷积操作一样。

(b)图对应的3×3的2-dialated conv，实际的卷积 kernel size 还是3×3，但是空洞为1，需要注意的是空洞的位置全填进去0，填入0之后再卷积即可，例如下图。

©图是4-dilated conv操作。

空洞卷积动态过程