何时使用扩张卷积？

【问题标题】：When to use dilated convolutions?何时使用扩张卷积？
【发布时间】：2020-12-17 23:56:47
【问题描述】：

我不明白空洞卷积有什么用，什么时候应该使用它。当我们想要更大的感受野同时节省内存时？通过增加dilation 的大小，它会增加内核点之间的间距吗？

【问题讨论】：

请为问题添加更多上下文。以目前的形式，这个问题太笼统了。

【解决方案1】：

参考Multi-Scale Context Aggregation by Dilated Convolutions，是的，你可以节省一些内存，同时拥有更大的感受野。如果您想在不损失分辨率或覆盖范围的情况下对感受野进行指数扩展，则可能需要使用扩张卷积。这使我们能够在保持分辨率的同时，以相同的计算和内存成本拥有更大的感受野。池化和跨步卷积也可以“扩大”感受野，但会降低数据的分辨率。

通常，扩张卷积也显示出更好的性能，例如在DeepLab 的图像分割和WaveNet 的语音中。

Here 清晰地显示了扩张的作用。

【讨论】：