一、空洞卷积：
不用池化层，因为池化在提供更大的感受野的同时，分辨率降低，会导致空间信息丢失，数据丢失。空间卷积可以避免使用down-sampling，并且在相同的计算量的前提下，提供更大的感受野。
设置不同的dilation rate，感受野就会不同，就会有多尺度的信息。
在原始特征f0上进行扩张率为1（普通的卷积）的空洞卷积生成f1，f1的一点相对f0感受野为3 * 3
如图，在f1上做2-dilated的3 * 3卷积，生成的f2上的一点相对于f0感受野为7 * 7；若仍用普通3 * 3的卷积，则生成的f2上的一点相对于f0感受野为5* 5；扩大了感受野，让每个卷积输出都包含较大范围的信息。
二、空洞卷积感受野计算
空洞卷积实际卷积核大小：
K=k+(k-1)(r-1)，k为原始卷积核大小，r为空洞卷积参数空洞率；
三、空洞卷积的问题
1、第一张图一张图片连续进行2-dilated的3 * 3卷积，生成13 * 13的感受野，但我们的感受野不连续，会损失信息的连续性。
2、对于大物体的分割，我们用大dilated的空洞卷积比较合适，对于小物体的分割，并不友好，那我们对于同时检测大物体与小物体并不能有效的同时进行。
解决办法：
运用HDC，例如运用[1, 2, 3]的dilated，感受野都是13 * 13，且没有信息丢失
HDC三个特性：
第一个特性是，叠加卷积的 dilation rate 不能有大于1的公约数。比如 [2, 4, 6] 则不是一个好的三层卷积，依然会出现 gridding effect。
第二个特性是，我们将 dilation rate 设计成 锯齿状结构，例如 [1, 2, 5, 1, 2, 5] 循环结构。
第三个特性是，我们需要满足一下这个式子：
其中 r_i 是 i 层的 dilation rate 而 M_i 是指在 i 层的最大dilation rate