没办法，我还是很多基础的、底层的模块不通透，读论文难免会受到阻碍，而且这现在科研任务很急了，必须要马上动手实验，全给我弄明白、特别是算法！

        空洞卷积-可变形卷积-这一个个我都要。

        空洞卷积据说在语义分割中用得多，我看看怎么个事情。

参考文章1：总结-空洞卷积(Dilated/Atrous Convolution) - 知乎 (zhihu.com)

（一）使用推荐：

            语义分割由于需要获得较大的分辨率图，因此在Network结构的最后2个stage取消了downsample（比如pooling）的操作，直接采用dilated convolution弥补缺失的感受野。

（二）注意事项

其实就是要防止空洞效应，所谓的空洞效应就是 不同层的卷积结果都是 重叠计算了相同的位置，这里的相同的位置是指最初的 HxW 中的位置

 

（三）实践

        未完待续。。。