空洞卷积Dilated Conv的感受野,计算量以及实现方法详解

空洞卷积的目的
是为了在扩大感受野的同时,不降低图片分辨率和不引入额外参数及计算量(一般在CNN中扩大感受野都需要使用s>1的conv或者pooling,导致分辨率降低,不利于segmentation。而如果使用大卷积核来增加感受野,会引入额外的参数及计算量)。可以代替降采样(pooling或s2/conv),标准卷积可以看做空洞卷积的特殊形式。

你可能感兴趣的:(Neural,Network,Deep,Learning)