扩张卷积-Dilated conv的理解

最新推荐文章于 2025-10-25 08:00:00 发布
原创 最新推荐文章于 2025-10-25 08:00:00 发布 · 1.6k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

DilatedConv，即扩张卷积，于ICLR2016年提出，能在不增加参数的情况下显著扩大视觉野，提升模型感受野。本文通过实例解释了扩张系数如何影响视觉野的大小，展示了当扩张系数增大时，模型能够‘看到’更多的输入信息。

Dilated conv在ICLR 2016上提出。其主要作用是在不增加参数和模型复杂度的条件下，可以指数倍的扩大视觉野（每一个输出是由视觉野大小的输入所决定的）的大小。 其中参数dilated 指的是kernel与kernel、kernel和空白的间隔数量(从下图中可以看出这一效果。蓝色的矩形表示视觉野。红色的小点表示kernel。在图a中，kernel是33，视觉野是33，dilated=1；在图b中，kernel是33，但是视觉野是77，dilated=2；在图c中，kernel是33，但是视觉野是1515，dilated=4. 可以看出在dilated（扩展系数）扩大时，视觉野同样扩大。
在这里插入图片描述下面，我们使用1D的数据来详细看一下dilated。从下图可以看出，当dilated=2时，每一个输出，“看到了”3个输入（虽然其中2-1=1被忽略了）。当dilated=4时，“看到了”5个输入（4-1=3个被忽略了）

在这里插入图片描述

空洞卷积，扩张卷积，膨胀卷积，多孔卷积，带孔卷积，dilated convolution
Jiashilin
07-05 4460
引子： 感受野（receptive field）：CNN中，某一层输出结果中一个元素所对应的输入层的区域大小.。越大的感受野包含越多的上下文关系 Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 recepti...
如何理解空洞卷积（dilated convolution）
C/C++、嵌入式开发、深度学习算法、模型部署与推理优化
07-21 1165
1.空洞卷积概念 Dilated/Atrous Convolution(中文叫做空洞卷积或者膨胀卷积) 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 reception field。相比原来的正常convolution，dilated convolution 多了一个 hyper-parameter 称之为 dilation rate 指的是kernel的间隔数量(e.g. 正常的 convolution 是
扩张卷积（Atrous 卷积）
qq_38343151的博客
06-09 5078
空洞卷积（dilated convolution）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种卷积思路。 dilated的好处是不做pooling损失信息的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。在图像需要全局信息或者语音文本需要较长的sequence信息依赖的问题中，都能很好的应用dilated conv。 利用添加空洞扩大感受野，让原本3 x3的卷积核，在相同参数量和计算量下拥有5x5（dilated rate =2）或者更大的感受野，从而无需下采样。.
空洞卷积（Dilated Convolution）原理与应用解析
最新发布
weixin_64607985的博客
10-25 579
摘要： 空洞卷积（Dilated Convolution）通过插入空洞（零值）扩大卷积核感受野，无需增加参数量或降低特征图分辨率。其优势包括：保持参数量的同时提升感受野（如3×3核+d=2等效5×5感受野）、适用于语义分割（DeepLab）、小目标检测等任务。缺点是可能引发栅格效应（感受野盲区），可通过多尺度并行（如ASPP模块）缓解。PyTorch中通过dilation参数实现，是平衡全局信息与分辨率的有效工具。
CNN中四种常用的卷积操作详解
春有百花秋有月，夏有凉风冬有雪！
04-28 6023
欢迎关注微信公众号“智能算法” 卷积现在可能是深度学习中最重要的概念。正是靠着卷积和卷积神经网络，深度学习才超越了几乎其他所有的机器学习手段。这期我们一起学习下深度学习中常见的卷积有哪些？ 1. 一般卷积 卷积在数学上用通俗的话来说就是输入矩阵与卷积核（卷积核也是矩阵）进行对应元素相乘并求和，所以一次卷积的结果的输出是一个数，最后对整个输入输入矩阵进行遍历，最终得到一个结果矩阵，说白了就是...
conv1d膨胀卷积网络输出解析
小姑仔的博客
10-31 4032
conv1d卷积维度变化dilation = 1时的情形dilation=2的时候对应维度dilation=3时的对应维度总结 conv1d中的网络层的卷积维度变化一直是一个非常让人头疼的地方，尤其是本身理解了kernel_size加入之后的维度变化后，又加入了dilation的参数，这下直接让像我一样的大多数小白直接懵比了。这里通过dilation以及kernel_size的变化，来探求卷积维度的变化 dilation = 1时的情形 当dilation = 1的时候，输出的最后一个维度为原始维度减去ke
Dilated Convolutions——扩张卷积
热门推荐
SnailTyan
12-07 1万+
Dilated Convolutions——扩张卷积
空洞/扩张/膨胀卷积的作用
cloudless_sky的博客
04-26 1165
卷积核膨胀是将卷积核扩张到膨胀尺度约束的尺度中，并将原卷积核没有占用的区域填充零. 空洞卷积的作用： ①：使输出变得更稠密。 ②：在不增加计算量的情况下，扩大了卷积核视野（卷积核尺寸变大）。 https://blog.youkuaiyun.com/chen1234520nnn/article/details/102516704 空洞卷积有什么作用呢？ 扩大感受野：在deep net中为了增加感受野且降低计算量，总要进行降采样(pooling或s2/conv)，这样虽然可以增加感受野，但空间分辨率降低了。为了能不丢失分.
深度学习-扩张卷积（dilated convolution）
weixin_40826634的博客
12-06 1641
深度学习-扩张卷积
空洞卷积dilated conv
linsen333的博客
08-30 402
空洞卷积 a、b、c图卷积核均为3*3，图a和普通的卷积操作一样，a)图对应3x3的1-dilated conv，b)图对应3x3的2-dilated conv，2-dilated conv的前一层是一个1-dilated conv的话， 那么每个红点就是1-dilated的卷积输出，所以感受野为3x3，所以1-dilated和2-dilated合起来就能达到7x7的conv。c)图是4-dilated conv操作，同理跟在两个1-dilated和 2-dilated conv的后面，能达到15x15的感
dilated conv（空洞卷积）我们所需要了解的地方
litt1e的博客
05-19 3328
简单讨论下dilated conv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilated conv诞生背景。 背景 在图像分割领域，图像输入到CNN中，传统CNN网络结构通过stride conv或者pooling来对图像降维同时增加感受野，再通过upsample layer升维到原始图像尺寸。在先减小再增大尺寸的过程中，损失了信息，为了在不借助stride or pooling的帮助下，提高感受野，作者提出了dilated conv。 dilated conv 如上图所示，（a）表示1-dila
Dilated conv扩张卷积的理解（一看就会）
半度微凉的博客
04-26 1129
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.youkuaiyun.com/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。 ...
扩张卷积（Dilated Convolution）
qq_42057562的博客
07-05 2231
扩张卷积也被称为空洞卷积或者膨胀卷积，在原始的卷积核上插入零值，是感受野增加（reception field）。扩张卷积参数： dilation rate，指的是卷积核的点的间隔数量，比如常规的卷积操作dilatation rate为1。下图，图(a)d=1 , 图(b)d=2 , 图(c)d=4。扩张卷积操作还是很好理解的，上图中(a)是基础的卷积核，扩张卷积就是在这个基础卷积核加入间隔，上图(b)对应3 × 3 的dilation rate=2的卷积，但是间隔为1，也就是相当于对应7 × 7...
dilated_conv
DL_CreepingBird的博客
11-20 699
空洞卷积（dilated convolution） 为什么要引入step？个人理解是因为图像像素是连续变化的，如果只取四领域进行计算，那么计算出来的对比度很小。也就是说提取出来的特征不那么明显，也就是说没有充分利用图像信息。  简单讨论下dilated conv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilated conv诞生背景[4]，再解释dilated conv操作本身，以
[翻译] 扩张卷积 (Dilated Convolution)
weixin_34137799的博客
08-04 563
　　英文原文:　Dilated Convolution 　　简单来说，扩张卷积只是运用卷积到一个指定间隔的输入．按照这个定义，给定我们的输入是一个2维图片，扩张率 k=1 是通常的卷积，k=2 的意思是每个输入跳过一个像素，k=4 的意思是跳过 3 个像素．最好看看下面这些 k 值对应的图片． 　　下面的图片表示了在 2 维数据上的扩张卷积．红点表示输入到此例中的 3x3 滤波器的数据点，绿色...
扩张卷积（dilated convolution）
菜菜子hoho的博客
07-09 3440
【对扩张卷积的学习记录】 ICLR-2016-Dilated Convolution：MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS 论文地址： https://arxiv.org/abs/1511.07122 代码地址： https://github.com/fyu/dilation https://github.com/bordesf/dilation 论文动机： 为了使卷积网络更适用于密集预测，作者开发了一个在不损失分辨率和覆盖情况下扩展
dilated conv的理解
xiabanshenz的博客
01-23 1408
作者：谭旭 链接：https://www.zhihu.com/question/54149221/answer/192025860 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 简单讨论下dilated conv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilated conv诞生背景[4]，再解释dilated conv操作本身，以及应用
膨胀卷积（Dilated convolutions）（又叫空洞卷积、扩张卷积）
caip12999203000的博客
09-07 1万+
膨胀卷积（Dilated convolutions）（又成空洞卷积、扩张卷积）和HDC设计膨胀卷积的规则分享
Multi-dilated attention gate的概念、作用及其用法
08-08
Multi-dilated attention gate 是一种结合了多空洞卷积（Multi-dilated Convolution）与注意力机制（Attention Mechanism）的模块，旨在提升深度学习模型在处理序列数据或图像数据时对多尺度特征的捕捉能力和上下文...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值