拡張畳み込み（Dilation Convolution）
解説：スカスカにして視野を広げる
Dilation Convolution（Dilated Convolution）は、畳み込みフィルター（カーネル）の要素の間に意図的に隙間（穴）を空けて適用する手法です。別名「Atrous Convolution（アトラス・コンボリューション）」とも呼ばれます。
通常の畳み込み（3×3）が「指を閉じた手」で画像に触れるとしたら、Dilation Convolutionは「指を大きく広げた手」で触れるイメージです。指の本数（パラメータ数）は変わらないのに、指を広げるだけで、より広い範囲（受容野）の情報を一度に捉えることができます。
なぜこれが必要なのか？
画像認識において「広い範囲の文脈（これが猫の一部なのか、背景なのか）」を理解するためには、受容野を広げる必要があります。しかし、従来の方法には欠点がありました。
| 手法 | 特徴と欠点 |
|---|---|
| カーネルを大きくする | 3×3を5×5、7×7にすると視野は広がるが、パラメータ数（計算コスト）が激増する。 |
| プーリングする | 画像を縮小（ダウンサンプリング）すれば視野は広がるが、画像の解像度（細かい情報）が失われる。 |
| Dilation Convolution | 「パラメータを増やさず」かつ「解像度を落とさず」に、広い範囲（受容野）を獲得できる。 ※隙間には値の代わりに0が入るため、実質的な計算量は増えません。 |
G検定対策
出題ポイント
- 最大の特徴：パラメータ数を維持したまま、受容野（Receptive Field）を拡大できること。
- 主な用途：画像の細かい位置情報と全体像の両方が必要な「セマンティックセグメンテーション」（DeepLabなどのモデル）や、長い時系列データを扱う音声合成（WaveNet）などで使われる。
- 別名：TensorFlowなどのフレームワークや論文によっては「Atrous Convolution」と呼ばれる。
ひっかけ対策
- × パラメータ数を増やして精度を上げる
（解説）パラメータ数は「変えずに」範囲を広げるのがこの手法のキモです。 - × 画像の解像度を下げるために使う
（解説）むしろ、プーリング等で解像度を下げたくない（細かい情報を維持したい）場面で、プーリングの代わりとして使われます。
