1、U-net系列的应用场景是小目标, 所以局部特征就足够了。但是当用来分割大目标的时候,就不太友好了。
2、为了增大感受野,传统分割算法会选择pooling,但这样会丢失一部分信息。
3、基于上述问题,DeepLab提出空洞卷积(delated convolution)增大感受野。
1、增大感受野
2、通过设置dilation rate参数完成空洞卷积,不增加额外的计算
3、可以按照参数扩大任意倍数的感受野, 并且不引入额外的参数
4、应用简单,在卷积层中设置一个参数就可以了。
(可学习空洞卷积?)