首先放链接：https://www.zhihu.com/question/54149221
首先，初次接触dilated conv带孔卷积是在deeplab网络结构里，做图像分割。
本科毕设首次接触图像分割，当时用的是caffe框架，fcn－8s实现。但是，它会把图像pooling5次，最终的特征图尺寸缩小了32倍，然后结合倒数后两层的信息（相当于尺寸扩大4倍了），然后再反卷积一下子扩大8倍至原始尺寸，这会导致信息损失的。。。（还有的是，防止缩小32倍后的特征图太小，会首先对输入图像padding很多0，扩大尺寸。这显然加进去了很多噪声啊。。。）所以为了避免以上损失，deeplab的结构是：pooling3次而已，尺寸缩小了8倍。但是接着问题又来了，pooling少了，感受野变小了（这个下面就有解释说啦～），所以，deeplab通过使用带孔卷积来保证感受野。具体原理，往下看：
pooling为什么可以提高感受野？
得这样理解：首先它第一个作用是降低feature map的尺寸，减少需要训练的参数；其次，因为有缩小的作用，所以之前的4个像素点，现在压缩成1个。那么，相当于我透过这1个点，就可以看到前面的4个点，这不就是把当前map的感受野一下子放大了嘛（我是这样理解的a。。。）。
所以就有以下结论：pooling降维减少参数量，并且增大感受野。
但是，在图像分割问题中，如fcn8s，pooling5次，降低32倍尺寸，然后结合前两层的信息（扩大4倍），再一下子扩大8倍（用resize），这会导致信息损失的。
因此，提出了dilated conv带孔卷积，解决保持感受野和保护图像尺寸间的互斥问题。
以下就来介绍dilated conv带孔卷积了：
看上面的两张图，已经说的蛮清楚了。。需要好好理解的地方是：带孔卷积并不是卷积核里带孔，而是在卷积的时候，跳着的去卷积map（比如dilated＝2的孔卷积，就是隔一个像素点，“卷”一下，这就相当于把卷积核给放大了（3x3的核变成7x7的核，多出位置的weights给0就是。）这样就使得3x3的卷积核也能达到7x7卷积核的感受野（图1的（b））（因为它在原map上，确实9个点就跨越覆盖到了传统conv的49个像素点），也就扩大了感受野了，使得少一些pooling层也没关系。。。
要很明确的说一点就是：带孔卷积并不增加参数量！！！带孔卷积并不增加参数量！！！带孔卷积并不增加参数量！！！ 对，3x3的依然是9个weights，它即使被“扩大”了，但是那些多出的点给的权值直接是0，是不需要被训练的。。。所以，它在提高感受野的同时还不增加参数量的负担，很不错了算是。。。。。。。。。。。。
也许你会说，那些weights给0的点的信息没卷到啊，，，，这个不用担心。设置好stride，慢慢一步步的滑过图像，这些之前weights被置0的点会在某个下一次的卷积操作中被卷到的。。。我关心的感受野，只是我这一次卷积得到的这个点，覆盖了原map中多少个像素点。。。嗯，我是这么理解的。
放我以前博文的一张手稿：http://blog.csdn.net/jiachen0212/article/details/78255074
当时其实没太理解，现在才有点清楚这到底是怎么操作的了。。。rate＝4时候，隔3个像素点卷积计算一次（因为中间的这被隔的三个点对应到核里面去，weights值是0的，就相当于没对他们计算操作。。。）
再记一下deconv 和 dilated conv 的区别：（我基本是把知乎的内容照搬过来的。。。）
这里重点理解反卷积deconv和普通卷积的stride> 1 可以增大感受野这两个概念：
首先deconv，stride<1，上面的栗子是0.5，那么如果是0.25，则是每两个像素间padding3个0像素值，然后再stride＝1的去卷积，使得结果图像尺寸扩大4倍。
普通卷积stride>1提高感受野的话，给一张图就很清楚了。。。：
嗯，应该比较清楚了。。。
关于aspp结构后的“相加”层：eltwise层
有新的理解会来补充，欢迎大家指正！