概述
扩张卷积（也称为空洞卷积）在滤波器权重之间插入间隙，以便内核在不添加参数的情况下覆盖更大的区域。它们让网络看到广泛的上下文，这对于分割和音频至关重要，同时保持分辨率不变。
扩张卷积和空洞卷积是一种技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
普通的卷积核接触相邻的像素。扩张卷积通过扩张率将相同的内核权重分开，并跳过其间的像素，因此扩张为 2 的 3x3 内核跨越 5x5 区域，同时仍仅使用 9 个权重。当您以不断增加的速率堆叠层时，这会呈指数级扩展感受野，让网络聚合大规模上下文，而无需进行会缩小特征图的池化或跨步。 atrous一词源自法语a trous，意思是有洞。这在语义分割等密集预测任务中非常宝贵，在这些任务中，您需要宽视角和像素精确的输出，而在 WaveNet 中则需要对长音频依赖关系进行建模。
技术洞察
堆叠速率为 1、2、4、8 的扩张卷积会将感受野增大为 2 的幂，同时参数计数保持固定。 DeepLab 中的 Atrous Spatial Pyramid Pooling (ASPP) 并行运行多个膨胀率并将它们融合，一次捕获多个尺度的对象。简单的单一速率可能会导致网格伪影，因此要仔细选择速率以保持覆盖密集。
掌握扩张卷积和空洞卷积
扩张卷积（也称为空洞卷积）在滤波器权重之间插入间隙，以便内核在不添加参数的情况下覆盖更大的区域。它们让网络看到广泛的上下文，这对于分割和音频至关重要，同时保持分辨率不变。扩张卷积和空洞卷积是一种技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将扩张卷积和空洞卷积视为一种操作模型，而不是单一特征：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，使用扩张卷积和空洞卷积的强大团队可以根据可靠性和成本来优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
DeepLab 使用空洞卷积和 ASPP 对街道场景进行最先进的语义分割
WaveNet 堆叠扩张因果卷积来生成真实的原始音频和语音
医学图像分割，例如肿瘤或器官边界，其中广泛的背景和精细的细节都很重要
自动驾驶感知的实时场景解析需要大感受野而不损失分辨率
实施模式
扩张卷积和空洞卷积的实践
DeepLab 使用空洞卷积和 ASPP 对街道场景进行最先进的语义分割。
DeepLab 使用空洞卷积和 ASPP 对街道场景进行最先进的语义分割。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
扩张卷积和空洞卷积的实践
WaveNet 堆叠扩张的因果卷积来生成真实的原始音频和语音。
WaveNet 堆叠扩展因果卷积以生成真实的原始音频和语音。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
扩张卷积和空洞卷积的实践
医学图像分割，例如肿瘤或器官边界，其中广泛的背景和精细的细节都很重要。
医学图像分割，例如肿瘤或器官边界，广泛的背景和精细的细节都很重要。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
扩张卷积和空洞卷积的实践
自动驾驶感知的实时场景解析需要大感受野而不损失分辨率。
自动驾驶感知的实时场景解析需要大的感受野而不损失分辨率。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。