【DL】卷积膨胀 Dilation
Backto DeepLearning Index
dilation
dilation 是对 kernel 进行膨胀,多出来的空隙用 0 padding。用于克服 stride
中造成的 失真问题。
对应关系是 , 对原始kernel 进行 d 倍 dilation 之后得到新的 , 一般是奇数, 一般是偶数,从而保证了 也是奇数。注意,使用dilation的时候,先把 dilation 成 , 去卷积运算,生成下一层的 feature map。但是参数存储的还是原始的 的大小.
引入 dilation 的目的是 既想利用已经训练好的模型进行fine-tuning,又想改变网络结构得到更加dense的score map.
. 如下图 p0-s0-d2
这样最大的好处就是卷积核的参数没变(还是9个),但是感受野从 3x3
变成了 5x5
. 虽然一个格子,计算的是5x5
感受野里的 个格子,但是卷积核整体看到了 7x7
的field,而不是 dilation 之前 5x5
的 field。