直观理解Dilated Convolution

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