《表1 ASPP+模块扩张卷积间接感受野》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《DODNet：一种扩张卷积优化的图像语义分割模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

ASPP+模块中在扩张卷积前添加不同尺寸卷积之后的等效感受野情况如表1所示．从表中可以发现，变化之后的感受野都较大，缺少了对目标像素点附近语义信息的精细化提取．比如当k=3时，最小的感受野为15×15，而特征图的大小一般是输入图像（513×513）的1/16，只有33×33．较大的感受野会提取更多的全局上下文信息，同时也会降低对像素点的精确语义预测能力．在预测给定像素的类别时，靠近目标的区域比远离它的区域更重要．本文设置扩张率为3和9的扩张卷积提取丰富的局部语义信息，扩张率为27的扩张卷积利用较大的感受野来提取更丰富的全局上下文信息．