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 r_k rk 第 k k k层感受野大小
- f k , s k f_k, s_k fk,sk分别表示第 k k k层的卷积核和步长大小
r 0 = 1 r 1 = f 1 r k = r k − 1 + [ ( f k − 1 ) ∗ ∏ i = 1 k − 1 s i ] r_0=1 \\ r_1=f_1 \\ r_{k} = r_{k-1}+ \left [ (f_{k}-1)*\prod_{i=1}^{k-1}s_{i} \right ] r0=1r1=f1rk=rk−1+[(fk−1)∗i=1∏k−1si]
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 |