深度学习模型：空洞卷积

https://zhuanlan.zhihu.com/p/43784441

一、空洞卷积概念

提及空洞卷积，首先需要了解的是感受野 ，即卷积神经网络中每一层输出的特征图（feature map）上各个像素点在原始图像中所对应的区域范围。空洞卷积的提出主要是为了解决图像分割过程中存在的若干问题 。在FCN模型中，通过池化操作来扩大感受野并减小图像尺寸，随后再利用上采样技术恢复图像尺寸，但这一过程不可避免地带来了精度方面的下降。为了减少这种精度损失，自然而然地想到去除池化层 ，然而这又会导致特征图的感受野过于狭窄，因此空洞卷积应运而生。

感受野 ： 卷积神经网络中每一层输出的特征图上每个像素点在原始图像中所对应的具体区域范围

• FCN 全卷积网络 ，用于图像分割任务，其特点是不包含全连接层，采用全卷积结构（fully conv），能够处理任意尺寸的输入图像
• 增加输入数据的尺寸：使用反卷积层可以生成更加精细的结果
• 通过跳级连接（skip structure）结合深度层次的信息，从而同时保证模型的鲁棒性与准确性
• <>

所谓空洞卷积，顾名思义是一种特殊的卷积方式。如图所示即为空洞卷积结构，在此示例中设置参数为stride:1，padding:0 。对于该