atrous卷积和dilation 卷积

引用[1]和[3]中提到，dilation卷积是对卷积核进行膨胀，通过在卷积核之间插入空隙（用0填充）来克服stride造成的失真问题。具体来说，对于原始的卷积核k，进行d倍的dilation之后得到新的卷积核kd。这样做的目的是既能利用已经训练好的模型进行fine-tuning，又能改变网络结构以获得更加dense的score map。使用dilation时，先将卷积核k进行d倍的膨胀，然后进行卷积运算，生成下一层的特征图。需要注意的是，参数存储的仍然是原始卷积核k的大小。[1][3]

至于atrous卷积，它是一种使用dilation卷积的技术。通过在卷积过程中增加dilation的倍数，可以扩大卷积核的感受野，从而提高网络的感知能力。具体来说，atrous卷积可以使卷积核在一个格子内计算更大范围的信息，而不改变卷积核的参数数量。这样，卷积核整体上看到的感受野会增大，从而提高了网络的感知范围。[2]

总结起来，dilation卷积是对卷积核进行膨胀，通过插入空隙来克服stride造成的失真问题，而atrous卷积则是一种使用dilation卷积的技术，通过增加dilation倍数来扩大卷积核的感受野，提高网络的感知能力。