卷积网络中的感受野详解

1. 感受野的概念

在卷积神经网络中，感受野（Receptive Field）的定义是卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小。再通俗点的解释是，特征图上的一个点对应输入图上的区域，如图1所示。

2. 感受野的例子

（1）两层3X3的卷积核卷积操作之后的感受野是5X5，其中卷积核（filter）的步长（stride）为1、padding为0，如图2所示：

图2：两层3X3卷积核操作的感受野是5x5
（2）三层3x3卷积核操作之后的感受野是7x7，其中卷积核的步长为1，padding为0，如图3所示：

图3：三层3x3卷积核操作之后的感受野是7x7
3. 感受野的计算

感受野计算时有下面几个知识点需要知道：

最后一层（卷积层或池化层）输出特征图感受野的大小等于卷积核的大小。第i层卷积层的感受野大小和第i层的卷积核大小和步长有关系，同时也与第（i+1）层感受野大小有关。计算感受野的大小时忽略了图像边缘的影响，即不考虑padding的大小。

关于感受野大小的计算方式是采用从最后一层往下计算的方法，即先计算最深层在前一层上的感受野，然后逐层传递到第一层，使用的公式可以表示如下：

其中， [公式] 是第i层卷积层的感受野， [公式] 是（i+1）层上的感受野，stride是卷积的步长，Ksize是本层卷积核的大小。
4. 计算VGG16网络每层的感受野

（1）引例。

VGG16网络有点复杂，我们先来计算一个简单的例子，先学会计算感受野，在来分析复杂的网络。

我们从最后一层的池化层开始算感受野：

pool3：RF=2（最后一层池化层输出特征图的感受野大小等于卷积核的大小）

conv4：RF=（2-1）*1+3=4。

conv3：RF=（4-1）*1+3=6。

pool2：RF=（6-1）*2+2=12。

conv2：RF=（12-1）*1+3=14。

pool1：RF=（14-1）*2+2=28。

conv1：RF=（28-1）*1+3=30。

因此，pool3输出的特征图在输入图片上的感受野为30*30。
转自于

feature map的理解

在cnn的每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起（像豆腐皮竖直的贴成豆腐块一样），其中每一个称为一个feature map。

feature map 是怎么生成的？

输入层：在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片（RGB），一般就是3个feature map（红绿蓝）