卷積神經網絡膨脹卷積

卷積神經網絡中的卷積核

卷積核就是圖像處理時，給定輸入圖像，輸入圖像中一個小區域中像素權重平均後成為輸出圖像中的每個對應像素，其中權值由一個函數定義，這個函數稱為卷積核，又稱濾波器。

卷積核的大小一般有1x1,3x3和5x5的尺寸（一般是奇數x奇數）。同樣提取某個特征，經過不同卷積核卷積後效果也不一樣。可以發現同樣是銳化，5x5的卷積核要比3x3的卷積核效果細膩不少。

CNN的卷積核通道數=卷積輸入層的通道數

CNN的卷積輸出層通道數(深度)=卷積核的個數

在卷積層的計算中，假設輸入是H x W x C，C是輸入的深度(即通道數)，那麼卷積核(濾波器)的通道數需要和輸入的通道數相同，是以也為C。假設卷積核的大小為K x K，一個卷積核就為K x K x C，計算時卷積核的對應通道應用于輸入的對應通道，這樣一個卷積核應用于輸入就得到輸出的一個通道。假設有P個K x K x C的卷積核，這樣每個卷積核應用于輸入都會得到一個通道，是以輸出有P個通道。

膨脹卷積

https://blog.csdn.net/moshiyaofei/article/details/87474966中對膨脹卷積解釋如下

1.膨脹卷積是對卷積核進行0填充。

2.膨脹後的卷積核的大小：

    （1）設原始卷積核的大小是3*3

    （2）設膨脹率為2

    （3）則膨脹後的卷積核的大小為：dilation_rate*（kernel_size - 1）+1

             結果就是  2*（3-1）+1=5，膨脹後的卷積核大小是5*5

3.預設的dilation_rate=1.