Dilated Convolution介绍

最新推荐文章于 2024-08-25 22:45:35 发布
最新推荐文章于 2024-08-25 22:45:35 发布
阅读量2k 收藏 8
点赞数
分类专栏： CV DeepLearning 文章标签： DeepLearning dilated convolution 扩张卷积 空洞卷积 膨胀卷积
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u013512448/article/details/80100347
版权
本文介绍了Dilated Convolution，又称扩张卷积或空洞卷积，用于解决语义分割和目标检测任务中需要大感受野和高分辨率特征图的问题。通过扩张卷积，可以在不增加计算复杂度的情况下扩大覆盖区域，提高感受野。然而，dilated卷积存在网格化问题，作者在Dilated Residual Networks中提出解决方案，并结合ResNet得到优秀实验结果。在语义分割和关键点定位等领域，dilated卷积表现出色。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Dilated Convolution介绍

相关的两篇论文分别是[ICLR2016]MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS 和 [CVPR2017]Dilated Residual Networks。作者为Fisher Yu（http://www.yf.io/） 。

1.问题背景

  • 语义分割，目标检测检测任务需要高分辨率的featuremap来获得更准确的结果。
  • 要想保证高分辨率的特征图可能导致感受野过小，而上述语义分割，目标检测需要大量上下文信息。
  • 于是出现下采样再上采样的U型结构网络，同时兼顾感受野和featuremap分辨率。但pooling操作会损失信息。

2.解决方法

通过pooling不断下采样会损失信息，降低精度。单纯地增大卷积核会导致计算复杂度增加。而 dilated convolution 可以解决上述问题。

3.Dilated Convolution

通常被译作扩张卷积或空洞卷积。（个人观点：因为dilated和形态学处理的膨胀运算单词一样，所以我经常叫作膨胀卷积。）

2-dilated卷积如下图所示，就是卷积核的元素间隔拉大了。所以2-dilated 3 * 3卷积实际上会覆盖一个5*5的区域。覆盖的区域更大，自然而然感受野就更大。（图片引自水印出处）

dilation_kernel_size = dilation * (original_kernel_size - 1) + 1

这里写图片描述

此外，论文作者在2015年12月就向caffe提交了dilated卷积的实现代码，有兴趣的话可以到github caffe的提交记录中看到大家当时对于是否用dilation命名的讨论，还挺有意思。

caffe中配置dilation参数如下，直接在prototxt中配置dilation参数即可：

repeated uint32 dilation = 18; // The dilation; defaults to 1

4.dilated卷积核的感受野

  • F1 F 1 由 1-dilated 卷积产生，每个元素感受野为3*3
最低0.47元/天 解锁文章
深度学习论文: Rethink Dilated Convolution for Real-time Semantic Segmentation及其PyTorch实现
mingo_敏
12-02 4032
深度学习论文: Rethink Dilated Convolution for Real-time Semantic Segmentation及其PyTorch实现 Rethink Dilated Convolution for Real-time Semantic Segmentation PDF: https://arxiv.org/pdf/2111.09957.pdf PyTorch代码: https://github.com/shanglianlm0525/CvPytorch
对Dilated Convolution理解
Microstrong
07-12 5213
本文主要对论文《Multi-Scale Context Aggregation by Dilated Convolutions》进行总结。论文地址：https://arxiv.org/abs/1511.07122源码地址：https://github.com/fyu/dilation摘要针对图像语义分割中像素点级别的密集预测分类，提出了一种新的卷积网络模块。通过扩张（空洞）卷积进行多尺度上下文信息...
Dilated-Convolutional-Block-Architecture-Based-Named-Entity-Recognition
03-30
Dilated-Convolutional-Block-Architecture-Based-Named-Entity-Recognition
如何理解空洞卷积（dilated convolution）
热门推荐
suixinsuiyuan33的博客
03-05 5万+
论文：Multi-scale context aggregation with dilated convolutions简单讨论下dilated conv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilated conv诞生背景[4]，再解释dilated conv操作本身，以及应用。首先是诞生背景，在图像分割领域，图像输入到CNN（典型的网络比如FCN[3]）中，FCN先像传统的CNN那样...
Dilated Convolution —— 空洞卷积（膨胀卷积）
birdguan
03-02 4万+
目录 Dilated Convolution概述 Dilated Convolution存在的问题 HDC (Hybrid Dilated Vonvolution) Dilated Convolution概述 Dilated Convolution是在标准卷积的Convolution map的基础上注入空洞，以此来增加感受野（reception field）。因此，Dilated ...
dilated convolution
Suchunsv的博客
08-15 251
空洞卷积 待补充
Dilated Convolution
shayCsdn的专栏
03-11 306
卷积核不变的情况下，跳着与图像中的像素做卷积 实现时类似于将卷积核中间用零填充
Dilated Convolution和普通感受野计算的python实现
01-06
这里对Dilated/Atrous Convolution的感受野计算也进行下实现 其实Dilated/Atrous Convolution理解起来很简单多孔卷积，仅仅是为了增加感受野，参数不变 当dilation = 1时就和普通卷积一样 如果使用了dilation卷积...
每日Attention学习16——Multi-layer Multi-scale Dilated Convolution
xiongxyowo的博客
08-25 767
与传统的编码器-解码器结构相比，更好的分割模型应该使其编码器能够尽可能多地获取全局信息。然而，这通常受到小感受野应用的限制，因此传统编码器学习的图像特征包含的全局信息不足。多尺度膨胀卷积可以在一定程度上解决这个问题。但是，它仍然存在以下缺点：1）相应的图像大小通常是单一的，可能会错过不同尺度的全局信息，2）由于多层信息组合效率低下，可能会丢失更多的血管细节，特别是影响眼底图像中那些小血管的分割。为了解决这两个问题，我们提出了 MMDC 模块并将其插入 U-Net 模型的 skip 连接中。
Dilated Convolutions
pku_Coder的博客
09-19 1315
1. 扩张卷积 Dilated Convolutions，翻译为扩张卷积或空洞卷积。扩张卷积与普通的卷积相比，除了卷积核的大小以外，还有一个扩张率(dilation rate)参数，主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于，卷积核的大小是一样的，在神经网络中即参数数量不变，区别在于扩张卷积具有更大的感受野。感受野是卷积核在图像上看到的大小，或者说卷积后的图像上，一个像素点对应着原图中...
膨胀卷积（Dilated convolution）
满腹的小不甘
11-18 5万+
Dilated conv，中文叫做空洞卷积或者扩张卷积，起源于语义分割，大部分文章也用于语义分割，具体能否对其他应用有价值姑且还不知道，但确实是一个不错的探究方向。 感受野（receptive field）：CNN中，某一层输出结果中一个元素所对应的输入层的区域大小，感受野是卷积核在图像上看到的大小，例如3×3卷积核的感受野大小为9。越大的感受野包含越多的上下文关系。 膨胀卷积与普通的卷积相比...
dilated convolution(转)
ch07013224的专栏
01-23 513
转自：https://www.zhihu.com/question/54149221 Dilated/Atrous Convolution 或者是 Convolution with holes 从字面上就很好理解，是在标准的 convolution map 里注入空洞，以此来增加 reception field。相比原来的正常convolution，dilated convolution 多了一...
dilated convolution（空洞卷积/扩张卷积）
perfect_csdn1的博客
05-14 660
论文链接：https://arxiv.org/abs/1511.07122 关于dilated conv的更细的讨论，推荐阅读： Understanding Convolution for Semantic Segmentation Rethinking Atrous Convolution for Semantic Image Segmentation dilated conv诞生背景： 在图像分割中： 图像输入到CNN（如FCN）中，FCN先对图像进行conv再做pooling，降低图像尺寸的同时增大感
膨胀卷积（Dilated convolutions）（又叫空洞卷积、扩张卷积）
caip12999203000的博客
09-07 1万+
膨胀卷积（Dilated convolutions）（又成空洞卷积、扩张卷积）和HDC设计膨胀卷积的规则分享
扩张卷积（dilated convolution）
菜菜子hoho的博客
07-09 3308
【对扩张卷积的学习记录】 ICLR-2016-Dilated Convolution：MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS 论文地址： https://arxiv.org/abs/1511.07122 代码地址： https://github.com/fyu/dilation https://github.com/bordesf/dilation 论文动机： 为了使卷积网络更适用于密集预测，作者开发了一个在不损失分辨率和覆盖情况下扩展
空洞卷积（dilated convolution）
Erlig的博客
02-03 492
论文：Multi-scale context aggregation with dilated convolutions简单讨论下dilated conv，中文可以叫做空洞卷积或者扩张卷积。首先介绍一下dilated conv诞生背景，再解释dilated conv操作本身，以及应用。首先是诞生背景，在图像分...
深度学习-扩张卷积（dilated convolution）
weixin_40826634的博客
12-06 1474
深度学习-扩张卷积
卷积神经网络CNN（5）—— Dilated Convolution
Fate_fjh的博客
12-29 1万+
introduction参考：Multi-Scale Context Aggregation by Dilated Convolutions 在CNN中，Convolution与Pooling可谓最佳搭档，密不可分，在LeNet作者提出基本的CNN框架的时候，普通计算机计算能力并不优秀，所以Pooling作为提取重要特征以及减少计算量的一个重要手段。但是，在图像计算能力发展迅速的时代，Dilate
dilated convolution是什么
最新发布
03-23
### 什么是Dilated Convolution Dilated convolution（也称为atrous convolution）是一种特殊的卷积操作，它通过在标准卷积核中插入空洞（即跳过一些像素），从而扩大了感受野而无需增加参数数量或计算成本[^4]。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值