2022年計算機視覺空洞卷積

「計算機視覺」空洞卷積

目錄

.一、空洞卷積的提出

.二、空洞卷積原理

.三、空洞卷積問題

O感受野跳躍

O小尺度物體檢測

.四、網(wǎng)絡設計研究

?五、常用框架API介紹

oTensorFlow接口

oMXNet接口

?六、參考X

回到頂部

一、空洞卷積的提出

空洞卷積（atrousconvolutions）又名擴張卷積（dilatedconvolutions），向卷積層引入了

一個稱為“擴張率（dilationrate）”的新參數(shù)，該參數(shù)定義了卷積核處理數(shù)據(jù)時各值的間距。

該結(jié)構(gòu)的目的是在不用pooling（pooling層會導致信息損失）且計算量相當?shù)那闆r下，提供

更大的感受野。順便一提，卷積結(jié)構(gòu)的主要問題如下：

池化層不可學

內(nèi)部數(shù)據(jù)結(jié)構(gòu)喪失；空間層級化信息喪失。

小物體信息無法重建（假設有四個poolinglayer則任何小于2"4=16pixel的物體信息

將理論上無法重建。）

而空洞卷積就有內(nèi)部數(shù)據(jù)結(jié)構(gòu)的保存和防止使用down-sampling這樣的特性，優(yōu)點明顯。

回到頂部

二、空洞卷積原理

如下如，卷積核沒有紅點標記位置為0,紅點標記位置同正常卷積核。

假設原始特征為featO,首先使用擴張率為1的空洞卷積生成featl,featl上一點相對featO

感受野為3x3（如圖a）；

然后使用擴張率為2的空洞卷積處理featl生成feat2（如圖b）,使第一次空洞卷積的卷

積核大小等于第二次空洞卷積的一個像素點的感受野，圖b即featl上一個點綜合了圖a即

featO上3x3地域的信息，則生成的feat2感受野為7x7,即整個圖b深色地域；

第三次處理同上，第二次空洞卷積的整個卷積核大小等于第三次空洞卷積的一個像素點的感

受野，圖c即feat2上每個點綜合了featO上7x7的信息（感受野），則采納擴張率為3的

空洞卷積，生成的feat3每一個點感受野為15x15。

相比擬之下，使用stride為1的一般3x3卷積，三層之后感受野僅僅為（kernel-1）xlayer+1=7。

回到頂部

三、空洞卷積問題

感受野跳躍

我們對同一張圖連續(xù)三次使用擴張率為1的空洞卷積，觀察整張圖的中心點的感受野（如

下列圖）

很明顯，感受野不連續(xù)（我們上一小結(jié)的例子就沒這個問題，所以空洞卷積依賴網(wǎng)絡設計）。

小尺度物體檢測

類似第一個問題，仍舊需要調(diào)整擴張率的組合來解決這個問題。

回到頂部

四、網(wǎng)絡設計研究

第一個特性是，疊加卷積的dilationrate不能有大于1的公約數(shù)。比方2,4,6則不是一個

好的三層卷積，依舊會出現(xiàn)griddingeffect?

第二個特性是,我們將dilationrate設計成鋸齒狀結(jié)構(gòu)，例如1,2,5,1,2,5循環(huán)結(jié)構(gòu)。

第三個特性是，我們需要滿足一下這個式子：

其中是i層的dilationrate而是指在i層的最大dilationrate,那么假設總共

有n層的話，默認。假設我們應用于kernel為kxk的話，我們的目標則是,

這樣我們至少可以用dilationrate1即standardconvolution的方法來覆蓋掉全部洞。

一個簡單的例子：dilationrate1,2,5with3x3kernel（可行的方案）：

而這樣的鋸齒狀本身的性質(zhì)就比擬好的來同時滿足小物體大物體的分割要求（小dilation

rate來關(guān)懷近距離信息，大dilationrate來關(guān)懷遠距離信息）。

單分支設計的研究

通向標準化設計：HybridDilatedConvolution（HDC）,可以很好的滿足分割需要，如下列圖

所示，

多分支研究解決多尺度分割

僅僅（在一個卷積分支網(wǎng)絡下）使用dilatedconvolution去抓取多尺度物體是一個不正統(tǒng)的

方法.比方說，我們用一個HDC的方法來獵取一個大（近）車輛的信息，然而對于一個

?。ㄟh）車輛的信息都不再受用。假設我們再去用小dilatedconvolution的方法重新獵取

小車輛的信息，則這么做非常的冗余。

基于港中文和商湯組的PSPNet里的Poolingmodule（其網(wǎng)絡同樣獲得當年的SOTA結(jié)

果），ASPP則在網(wǎng)絡decoder上對于不同尺度上用不同大小的dilationrate來抓去多尺

度信息，每個尺度則為一個獨立的分支，在網(wǎng)絡最后把他合并起來再接一個卷積層輸出預測

label。這樣的設計則有效防止了在encoder上冗余的信息的獵取，直接關(guān)注與物體之間之

內(nèi)的相關(guān)性。

回到頂部

五、常用框架API介紹

TensorFlow接口

conv2d(value,filters,rate,padding,name=None)

value：指需要做卷積的輸入圖像，要求是一個4維Tensor,具有batch,height,width,

channels］這樣的shape,具體含義是訓練時一個batch的圖片數(shù)量，圖片高度，圖片寬度，

圖像通道數(shù)］

filters：相當于CNN中的卷積核，要求是一個4維Tensor,具有filter_height,filter_width,

channels,out_channels］這樣的shape,具體含義是卷積核的高度，卷積核的寬度，圖像通

道數(shù)，卷積核個數(shù)］,同理這里第三維channels,就是參數(shù)value的第四維

rate：要求是一個int型的正數(shù)，正常的卷積操作應該會有stride(即卷積核的滑動步長)，

但是空洞卷積是沒有stride參數(shù)的，這一點尤其要注意。取而代之，它使用了新的rate參

數(shù)，那么rate參數(shù)有什么用呢？它定義為我們在輸入圖像上卷積時的采樣間隔，你可以理

解為卷積核當中穿插了(rate-1)數(shù)量的“0”,把原來的卷積核插出了很多“洞洞”，這樣做

卷積時就相當于對原圖像的采樣間隔變大了。具體怎么插得，可以看后面更加詳細的描述。

此時我們很簡單得出rate=1時，就沒有0插入，此時這個函數(shù)就變成了一般卷積。

padding：string類型的量，只能是"SAME"VALID"其中之一，這個值決定了不同邊

緣填充方法。

函數(shù)默認stride=1,無法改變。

結(jié)果返回一個Tensor,填充方法為“VALID”時，返回

batch,height-2x(filter_width-1),width-2x(filter_height-1),out_channels]KlTensor,填充方法

為"SAME"時，返回batch,height,width,out_channels]的Tensor。

測試代碼如下:

1img=tf.constant(value=l],2],3],4]],

2

31],2],3],4]],

41],2],3],4]]]],dtype=tf.i

5img=tf.concat(values=img,img],axis=3)

6

7filter=tf.constant(value=l,shape=3,3,2,5],dtype=tf.float32)

8out_imgl=tf.nn.atrous_conv2d(value=img,filters=filter,rate=l,padding』

9out_img2=tf.nn.atrous_conv2d(value=img,filters=filter,rate=l,padding』

10out_img3=tf.nn.atrous_conv2d(value=img,filters=filter,rate=2,padding』

11error

12out_img4=tf.nn.atrous_conv2d(value=img,filters=filter,rate=2,padding=，V/

13withtf.Session()assess:

14print(frate=l,SAMEmoderesult:?)

15print(sess.run(out_imgl))

16printCrate=l,VALIDmoderesult:*)

17print(sess.run(out_img2))

18printCrate=2,SAMEmoderesult:')

19print(sess.run(out_img3))errorprint5rate=2,VALIDmoderesult:'

print(sess.run(out_img4))

擴張率為1時，空洞卷積等價于一般卷積。對于SAME和VALID模式計算方法如下列圖所

示，

擴張率為2的VALID模式計算過程，

擴張率為2的VALID模式會報錯，此時卷積核大于圖片，無法卷積。

MXNet接口

MXNet卷積操作自帶擴張率參數(shù)，詳見文檔。

MXNet的通道存儲與TensorFlow不太一致，所以我們打印一下（比照上面的圖，可以體會

到為什么除了tf外大多框架把通道放在第二維），

1importmxnetasmx

2importmxnet.ndarrayasnd

3

4img=nd.array(1],2],3],4]],

51],2],3L4]]>

61],2],3],4]L

7U,2],3L4]]]])

8img=nd.concat(img,img,dim=-l)

9img=nd.transpose(img,axes=(0,3,1,2))

10

11w=nd.ones(5,2,3,3])

12b=nd.array(0for_inrange(5)])

13img

1.2.3.4.]

1.2.3.4.]

1.2.3.4.]

1.2.3.4.]]

1.2.3.4.]

1.2.3.4.]

1.2.3.4.]

1.2.3.4.]]]]

<NDArrayIx2x4x4@cpu(0)>

1nd.Convolution(img,w,b,kernel=w.shape2:],num_filter=w.shapeO],stride=(l,1

pad=(l,1),dilate=(l,1))

12.24.36.28.]

18.36.54.42.]

18.36.54.42.]

12.24.36.28.]]

12.24.36.28.]

18.36.54.42.]

18.36.54.42.]

12.24.36.28.]]

12.24.36.28.]

18.36.54.42.]

18.36.54.42.]

12.24.36.28.]]

12.24.36.28.]

18.36.54.42.]

1