标签：Dilated kernel Convolution Conv text padding 直观 size

Dilated Convolution是一种通过增加kernel元素间距(padding 0)使得感受野增加的一种卷积方式。所谓感受野就是特征图上每个点对应原图像的像素范围。

这样，在不改变kernel size(上图中的kernel size还是3x3)的情况下，增加了感受野。也可以理解为kernel size从3x3 变成了5x5(但是只有原来的3x3的位置有权值，其余位置均为0)，Dilated Conv的kernel计算公式如下:
k ′ = k + ( k − 1 ) ( d − 1 ) k'=k+(k-1)(d-1) k′=k+(k−1)(d−1)
即在原来的k-1个间隔中充填d-1行(列)0得到一个新的k’。从而Dilated Conv得到的特征图的计算公式为:
H o u t = ⌊ H i n + 2 × padding − dilation × ( kernel_size − 1 ) − 1 stride + 1 ⌋ H_{out} = \left\lfloor\frac{H_{in} + 2 \times \text{padding} - \text{dilation} \times (\text{kernel\_size} - 1) - 1}{\text{stride}} + 1\right\rfloor Hout​=⌊strideHin​+2×padding−dilation×(kernel_size−1)−1​+1⌋
Dilated Conv 在已有像素点的基础上，有意skip掉一些像素点，或者输入不变，但是Conv的kernel中某些权值部分设置为0，达到增大感受野的目的。

标签：Dilated,kernel,Convolution,Conv,text,padding,直观,size
来源： https://blog.csdn.net/daimashiren/article/details/123035868

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。