深度学习感受野

一、感受野的定义

感受野指特征图上的某个点能看到的输入图像的区域，其大小决定了该层网络对输入图像的理解程度，即能够捕捉到多大范围内的特征信息。

二、感受野的作用

感受野的值越大，表示其能接触到的原始图像范围就越大，也意味着它可能蕴含更为全局、语义层次更高的特征；相反，值越小则表示其所包含的特征越趋向局部和细节。因此，感受野的值可以用来大致判断每一层的抽象层次。较小的感受野可以提高网络对细节特征的感知能力，而较大的感受野可以提高网络对全局特征的感知能力。较小的感受野需要更多的卷积层来提取特征，从而增加了计算复杂度；较大的感受野可以通过较少的卷积层来提取特征，从而减少了计算复杂度。

三、影响感受野的因素

卷积核大小：卷积核越大，感受野增加的速度越快。

步长：步长越大，感受野跳跃式增加。

池化层：池化层会改变特征图的大小，但通常不会改变感受野的计算方式（除非池化步长不为1）。

因此，可以通过使用更大的卷积核（例如使用3x3的卷积核替换2x2卷积核），增加网络的深度，使用步长更大的卷积层或池化层增大感知野