使用扩张卷积减少参数并提升特征理解能力
使用扩张卷积（Dilated Convolution）可以在减少参数的同时模拟更大的内核大小，同时让网络能够更好地理解更高级别的特征。扩张卷积的工作原理是通过将通常位于3x3内核中的9个块在更大的区域上进行散布。这样的设计使得网络能够学习到只需要稍微关注细节的突出特征，因为膨胀效应可能会导致信息的丢失。
原文地址: https://www.cveoy.top/t/topic/06e 著作权归作者所有。请勿转载和采集!
安全问答是一个知识全球问答,包含丰富的问答知识
使用扩张卷积（Dilated Convolution）可以在减少参数的同时模拟更大的内核大小，同时让网络能够更好地理解更高级别的特征。扩张卷积的工作原理是通过将通常位于3x3内核中的9个块在更大的区域上进行散布。这样的设计使得网络能够学习到只需要稍微关注细节的突出特征，因为膨胀效应可能会导致信息的丢失。
原文地址: https://www.cveoy.top/t/topic/06e 著作权归作者所有。请勿转载和采集!