8.23笔记（手写），deeplabV2与V3

 

空洞卷积(Dilated convolution)如下图所示，其中 r 表示两列之间的距离(r=1就是常规卷积了)。

 

        池化可以扩大感受野，降低数据维度，减少计算量，但是会损失信息，对于语义分割来说，这造成了发展瓶颈。

        空洞卷积可以在扩大感受野的情况下不损失信息，但其实，空洞卷积的确没有损失信息，但是却没有用到所有的信息。

1.2 空洞卷积的优点
        扩大感受野：神经网络加深，单个像素感受野扩大，但特征图尺寸缩小，空间分辨率降低，为此，空洞卷积出现了，一方面感受野大了可以检测分割大目标，另一方面分辨率高了可以精确定位目标。
        捕获多尺度上下文信息：两列之间填充 (r-1) 个0，这个 r 可自己设置，不同 r 可得到不同尺度信息。

 网络代码请见我的另外一篇博客：8.9学习笔记，复现MobilenetV1-V3网络_灼清回梦的博客-CSDN博客