本文详细介绍了空洞卷积（Hole Algorithm）的概念，它用于保持大的特征图和感受野，同时实现高效密集的特征提取。在Deeplab v1中，通过改变池化层的步长和采用空洞卷积解决了密集得分图的问题，保持了大的特征图和感受野。Deeplab v2则进一步探讨了稀疏和密集特征提取，利用空洞卷积解决分辨率降低的问题，避免了上采样和反卷积带来的额外计算成本。
2015 CVPR
Multi-Scale Context Aggregation by Dilated Convolutions
Hole
（Both large feature map & receptive field）
-
hole algorithm：up-sample the original filter by a factor of the strides(rate=2)
efficient dense sliding window feature extraction- standard convolution : responses at only 1/4 of the image positions
- convolve image with a filter “with holes”:responses at all image positions
-
RF and stride
按照公式，stride变小，要想保持receptive field不变，那么，就应该增大kernel size。于是就有了接下来的hole算法。
Example：
pooling layer stride = 2，convolution layer kernel size = 2，convolution l
最低0.47元/天 解锁文章
扫一扫
2345
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
