multi-scale context aggregation by dilated convolutions

多尺度上下文聚合是通过使用扩张卷积来实现的。扩张卷积可以增加卷积核的感受野，使其能够跨越更远的距离来捕捉更广泛的上下文信息。在多尺度上下文聚合中，使用多个不同的扩张率来构建多个并行的卷积分支，每个分支负责捕获不同尺度的上下文信息。这些分支的输出被级联在一起，形成最终的特征表示，以提高模型的性能。这种方法在许多计算机视觉任务中都得到了广泛的应用，例如图像分割、目标检测和图像分类。