建设网站公司怎么建站,免费科技,wordpress2.9.2漏洞,小米wifi设置网址入口网站文章目录 1. 扩张卷积的提出2. 理解的难点 本片博客的主题思路来自于这篇文章——如何理解Dilated Convolutions(空洞卷积)#xff0c;但是作者似乎是很久之前写的#xff0c;文字的排版很混乱#xff0c;自己来写一个新的。
1. 扩张卷积的提出
Multi-Scale Context Aggre… 文章目录 1. 扩张卷积的提出2. 理解的难点 本片博客的主题思路来自于这篇文章——如何理解Dilated Convolutions(空洞卷积)但是作者似乎是很久之前写的文字的排版很混乱自己来写一个新的。
1. 扩张卷积的提出
Multi-Scale Context Aggregation by Dilated ConvolutionsDilated Residual Networks
这里有原作者推荐的一篇论文笔记大家有兴趣可以看一看论文笔记——CVPR 2017 Dilated Residual Networks。 2. 理解的难点
上图是论文 Multi-Scale Context Aggregation by Dilated Convolutions 的原图我们可以问几个小问题
红点代表什么含义为什么扩张卷积图像尺寸是不改变的图中最外层图像代表什么 本图来自博客 A guide to receptive field arithmetic 上面这张图可以帮助你从直观上更好的理解感受野这个图来自一篇博客A guide to receptive field arithmetic for Convolutional Neural Networks看不懂的话可以看中文翻译版都很有参考价值。
我们根据感受野的计算公式 l k l k − 1 ( ( f k − 1 ) ∗ ∐ i 1 k − 1 s i ) l_{k}l_{k-1}\left(\left(f_{k}-1\right) * \coprod_{i1}^{k-1} s_{i}\right) lklk−1((fk−1)∗i1∐k−1si)
其中 l k l_{k} lk 为第 k − 1 k-1 k−1 层的感受野大小 f k f_k fk 是当前层的卷积核大小 s i s_i si 是第 i i i 层的步长。可以推导出空洞卷积的计算公式本质上就是在卷积和中间添0扩大了卷积和的大小。
设普通卷积和的大小为 f k f_k fk则等效的空洞卷积核的大小为 d k d_k dk有公式 d k ( f k − 1 ) × ( r a t e − 1 ) f k d_k(f_k-1)\times (\mathrm{rate}-1)f_k dk(fk−1)×(rate−1)fk
回到最初的问题
红点代表什么意思代表的是感受野的中心空洞卷积得到的特征图大小是不变的
关于特征图大小的计算我们有如下的公式 n out ⌊ n in 2 p − k s ⌋ 1 n_{\text {out }}\left\lfloor\frac{n_{\text {in }}2 p-k}{s}\right\rfloor1 nout ⌊snin 2p−k⌋1
其中 n out n_{\text {out }} nout 和 n in n_{\text {in }} nin 分表代表输出和输入的特征图尺度 k k k 代表卷积核大小 p p p 代表填充的尺寸 s s s 代表卷积的步长。
