深度可分离卷积、空洞卷积、反卷积、感受野计算、上采样

输出特征图尺寸的计算

Depthwise卷积和Pointwise运算成本比较低

如何计算？

空洞卷积

https://www.zhihu.com/people/merofine/posts?page=2 这个人博客写得好。
概述

• atrous convolutions 又名 扩张卷积（dilated convolutions）
• 利用添加空洞扩大感受野，让原本3x3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
  • dilation rate（扩张率），指的是kernel各点之前的间隔数量（正常的convolution 的 dilatation rate为 1）

deep cnn 存在的主要问题：
主要问题有：

• Up-sampling / pooling