DilatedConvolution是一种特殊卷积方式，通过在kernel中增加间隔来扩大感受野，无需增加参数数量。它允许在保持kernel size不变的情况下，模拟更大尺寸的卷积效果，有效地捕捉更广阔的上下文信息。DilatedConv的kernel计算公式和输出特征图大小的计算方法也一并给出。这种技术常用于图像识别、语义分割等领域，以增强模型的远距离依赖学习能力。
Dilated Convolution是一种通过增加kernel元素间距(padding 0)使得感受野增加的一种卷积方式。所谓感受野就是特征图上每个点对应原图像的像素范围。
这样，在不改变kernel size(上图中的kernel size还是3x3)的情况下，增加了感受野。也可以理解为kernel size从3x3 变成了5x5(但是只有原来的3x3的位置有权值，其余位置均为0)，Dilated Conv的kernel计算公式如下:
k′=k+(k−1)(d−1)=(k−1)d+1 k'=k+(k-1)(d-1) = (k - 1)d + 1 k′=k+
最低0.47元/天 解锁文章
扫一扫
3191
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
