深度学习论文（九）---DeepLabV2-Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,

DeepLabV2对主要在V1的基础上做了一些改进。

1.回顾Atrous Convolution

作者先回顾了一下V1里面讲到的内容

Atrous Convolution 也就是V1那篇论文里面的hole algorithm，本篇论文依然先叙述了一下这个方法：
一维时，就如下这个公式所述，

The rate parameter r corresponds to thestride with which we sample the input signal.

r表征了要填进去的0的个数，个数为（r-1）个，所以标准的卷积是r=1，也就是不插0；

二维时如下图所示：

上面一行表示原来的一些方法比如FCN这种，图像的分辨率缩小了，就算增采样之后，最终也只能获取部分的像素点的位置信息。
下面一行，表示采用插了0的卷积核去对原图像进行卷积，尽管filter的size变大了，但是他们只考虑卷积核中非零的值，所以其实the number of filter parameters and the number of operations per position stay constant。


然后作者说的确可以使用一连串的Atrous Convolution来使网络最后输出的结果feature map的分辨率和原始图像的分辨率一样大，但是这样计算量就显得有点大，所以他们是采用了一种混合的方法：
…but this ends up bei