cavity convolution

空洞卷积（Cavity Convolution）是一种在卷积神经网络中常用的操作，也被称为空洞卷积或扩张卷积（Dilated Convolution）。与传统的卷积操作相比，空洞卷积通过在卷积核中插入一些额外的间隔来增加感受野（receptive field），从而捕获更广泛的上下文信息。

在空洞卷积中，卷积核的元素之间插入了一些空洞，这些空洞可以通过调整空洞的间隔大小来控制感受野的大小。较大的间隔可以扩大感受野并提供更广泛的上下文信息，但同时也降低了特征图的分辨率。

空洞卷积在许多计算机视觉任务中被广泛应用，如语义分割、目标检测和图像生成等。通过增加卷积层的感受野，空洞卷积可以提供更多的上下文信息，从而改善模型在这些任务上的性能。它被广泛应用于许多深度学习模型中，如DeepLab、ASPP（Atrous Spatial Pyramid Pooling）等。