感受野计算

感受野计算

转载https://www.jianshu.com/p/9997c6f5c01e

感受野定义

卷积神经网络中，感受野是每一层输出特征图上的每个点在上一层上映射的区域大小。

感受野计算

感受野计算采用bottom-up方式，与padding无关，与之前所有层的核大小和步长有关，是最大感受野减去重叠部分（步长小于核大小引起）。

参数表示：

• $r_k$ 第$k$层感受野大小
• $f_k,s_k$分别表示第$k$层的卷积核和步长大小

$$\begin{gathered} r_0=1 \\ {r}_1=f_1 \\ {r}_k=r_{k-1}+\left[(f_k-1)\ast \prod _{i=1}^{k-1}{s}_i\right] \end{gathered}$$

举例Alexnet

No.	layer	输入大小	核大小	步长	padding	输出大小	感受野
1	conv1	227*227	11*11	4	0	55*55	11
2	pooling1	55*55	3*3	2	0	27*27	19
3	conv2	27*27	5*5	1	2	27*27	51
4	pooling2	27*27	3*3	2	0	13*13	67
5	conv3	13*13	3*3	1	1	13*13	99
6	conv4	13*13	3*3	1	1	13*13	131
7	conv5	13*13	3*3	1	1	13*13	163
8	pooling5	13*13	3*3	2	0	6*6	195