对于带孔带孔卷积（atrous convolution）rate的计算

最新推荐文章于 2024-03-13 15:28:56 发布

原创最新推荐文章于 2024-03-13 15:28:56 发布 · 5.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#atrous convolution

tensorflow 专栏收录该内容

6 篇文章

订阅专栏

本文详细介绍了如何通过带孔卷积保持特征图尺寸不变的同时维持感受野大小不变的技术原理。文中通过一个三层网络的例子解释了如何计算带孔卷积的rate参数，确保网络的输出步长符合设定的目标输出步长。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里我们都知道感受野的含义，同时也知道带孔卷积是为了在不缩小feature map 的大小的同时保持感受野大小不变，在这里我们要明确的说明感受野大小不变是怎么达到的，我们已一个3 layer 的net 来进行说明：

rate 是为了layer 能够保证原有的感受野,所以rate 的决定是由上一层的stride（stride >1 的一个作用就是增大下层的感受野）

rate的计算方式是rate *= stride，rate 的初始值为rate =1，如上图：layer 1 已经达到了output_stride的要求，接下来的layer2 feature map 大小应该保持不变，所以layer1 经过 rate=1的conv 得到layer 2，然后再通过公式计算得到layer 3 feature map 经过conv的rate，rate = rate * stride （layer 1->layer2 ）=1*2=2

源代码如下：

 # than the target output_stride.
 current_stride = 1

 # The atrous convolution rate parameter.
 rate = 1
'''省略部分代码'''
 if output_stride is not None and current_stride == output_stride:
            net = block.unit_fn(net, rate=rate, **dict(unit, stride=1))
            rate *= unit.get('stride', 1)

          else:
            net = block.unit_fn(net, rate=1, **unit)
            current_stride *= unit.get('stride', 1)