|
膨胀卷积（空洞卷积、Dilation Convolution/Atrous Convolution）的本质是为了
1.避免下采样而减少feature map的信息
2.感受野又不变
如图，（c）为膨胀卷积，考虑亮黄色的神经元，视野为1-5，在（b）的情况中，需要再加一层，才有一个神经元的视野有1-5的情况，但这样参数就变成了好几倍了。
caffe中的膨胀系数dilation可以理解为对 原始卷积尺寸-1 的倍数，以此求出膨胀后的卷积核尺寸
kernel_size_after_dilate - 1 = dilate * (kernel_size_before_dilate - 1)
可以认为原始卷积核每个数中间加了dilate - 1个0，变成了kernel_size_after_dilate的正常卷积操作
(caffe中为dilation，tensorflow中对应为rate参数)
此时的（SAME）pad大小为
pad = int((kernel_size + (dilation - 1) * (kernel_size - 1)) - 1) / 2
| 
转播
