pytorch版空洞卷积，以及RFBNet应用
空洞卷积又叫虫洞卷积
在代码上面其实是一样的，就是参数改改数值而已
我们常见的卷积形式比如3*3的卷积核，在faeture map上，无间隔的累积和出新的faeture map。他的感受野大小是3
常见的代码写法：
conv1 = nn.Conv2d(in_channels,out_channels,stride=1,kernel_size,bias=False)#普通卷积一般只需要写输入通道数、输出通道数、步长，卷积核大小和是否偏置。
其实空洞卷积并不复杂，并且写法和上面一样，普通卷积是虫洞卷积的特殊情况，但各特征点间隔为1时，就是我们熟知的普通卷积的形式，这时的感受野大小为3。下图是各特征点间隔为2的情况，现在我们的感受野范围扩大到了7。其优点显而易见，
1.增加了感受野，减少了计算量。
2.通过修改间隔长度，可获得不同尺度的感受野，捕获多尺度上下文信息。
代码如下。
conv2 = nn.Conv2d(in_channels, out_channels,stride=1, bias=False, dilation=2)其中，dilation即为特征点直接的间隔，但dilation为1时即
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！