文章作者：Tyan  簡書、

1. 擴張卷積

Dilated Convolutions，翻譯為擴張卷積或空洞卷積。擴張卷積與普通的卷積相比，除了卷積核的大小以外，還有一個擴張率(dilation rate)參數，主要用來表示擴張的大小。擴張卷積與普通卷積的相同點在於，卷積核的大小是一樣的，在神經網絡中即參數數量不變，區別在於擴張卷積具有更大的感受野。感受野是卷積核在圖像上看到的大小，例如3×33×3卷積核的感受野大小為9。

2. 示意圖

下圖是擴張卷積的示意圖。

(a) 普通卷積，1-dilated convolution，卷積核的感受野為3×3=93×3=9。 
(b) 擴張卷積，2-dilated convolution，卷積核的感受野為7×7=497×7=49。 
(c) 擴張卷積，4-dilated convolution，卷積核的感受野為15×15=22515×15=225。

從上圖中可以看出，卷積核的參數個數保持不變，感受野的大小隨着“dilation rate”參數的增加呈指數增長。

3. 優點

擴展卷積在保持參數個數不變的情況下增大了卷積核的感受野，同時它可以保證輸出的特徵映射（feature map）的大小保持不變。一個擴張率為2的3×3卷積核，感受野與5×5的卷積核相同，但參數數量僅為9個，是5×5卷積參數數量的36%36%。

4. 應用

擴張卷積在圖像分割、語音合成、機器翻譯、目標檢測中都有應用。

5. 參考資料

Multi-Scale Context Aggregation by Dilated Convolutions