【深度学习】感受野(receptive fields)概念计算及如何增加感受野总结

在深度学习论文里，经常会看到感受野(receptive fields)， 根据自己看到的和网上资料稍微整理总结一下。

感受野的定义

感受野是卷积神经网络(CNN)每一层输出的特征图(feature map)上的像素点在原始输入图像上映射的区域大小[1]。

感受野的计算

感受野的计算从最深层开始向浅层计算，逐步计算到第一层(即上图的蓝色层开始向红色层传递计算)，所以计算前要知道网络的整体结构和参数。
计算公式：

'''
RF: 待计算的feature map上的感受野大小
stride: 卷积的步长(之前所有层stride的乘积)
fsize: 卷积层滤波器的大小
'''
RF = 1
for layer in （high layer To low layer）:
　　RF =</