假设输入为4x4,卷积核为3x3,stride=1,此时dilation=0的卷积情况:
pytorch 网络中dilation=0和dilation=N (N=1,2,3,...)的区别
下面是输入为7x7,卷积核为3x3,stride=1,dilation=1时候的卷积情况
pytorch 网络中dilation=0和dilation=N (N=1,2,3,...)的区别
在这种情况下,卷积核的感受野由原来的3x3变成了现在的5x5,同时没有增加计算量,保留了更多的细节信息。
所以假设在dilation=0的情况下卷积核大小为X,使用了dilation=N卷积时卷积核的感受野大小就变成了X+(X-1)*N的大小。

相关文章:

  • 2022-01-19
  • 2022-12-23
  • 2022-12-23
  • 2022-12-23
  • 2022-12-23
  • 2021-08-07
  • 2021-11-10
  • 2021-05-12
猜你喜欢
  • 2021-09-05
  • 2022-02-05
  • 2022-12-23
  • 2021-07-20
  • 2022-12-23
  • 2021-04-20
相关资源
相似解决方案