MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS
本文要点有三：
-
提出dilated convolution（空洞卷积，扩张卷积）most important
网络使用扩张卷积，增大感受野，感受野随层数指数级增加；同时每一层通过padding操作，保证卷积后的图像大小不发生改变
-
FRONT END module
利用dilated convolution修改VGG16，能够完成初步的语义分割任务
-
context module
该模块input是FRONT END module的输出，模块输入输出的通道数一致；对FRONT END module分割的图像进一步细化
7层，使用dilated convolution，dilations分别为1,1,2,4,8,16,1
各层参数按特定规则初始化