Dilate convolution(空洞卷积)
Dilate convolution(空洞卷积)
个人理解:空洞卷积设计的初衷,是为了解决卷积Pooling 操作后,信息丢失,感受野减小。图像语义分割,常用的做法是卷积经过Pooling 操作后,采用deconv对其进行上采样以扩大图片尺寸,这样在Pooling操作过程中仍然会有信息损失。另外,空洞卷积操作的填充的过程与Padding 0填充过程类似,都是在0填充操作。
空洞卷积:
感受野(RF)计算:初始感受野一般设为1
1、关键参数:raterate
Raterate=1,原图不丢失任何信息进行采样,此时卷积是标准卷积操作
Raterate>1,原图每隔raterate-1个像素采样,然后将采样后的图像与kernel做卷积,这样做相当于扩大了感受野。
2、空洞操作,即是在相邻点之间插入raterate-1个0,然后将扩大后的图做卷积,这样也相当于扩大了感受野。
反卷积(deconv)
反卷积是upsampling中的一种,主要是为了扩大图像尺寸。
- stride>1,在卷积同时伴着downsampling操作,卷积后图像变小;
- stride=1,padding=stride,卷积后图像大小不变;
- Stride<1,相当于upsampling进行原图扩大,再进行卷积操作,结果导致feaure map大小变大。
空洞卷积是在卷积核插入空白数据,反卷积是在原图中插入空白数据。