通俗理解CNN感受野的计算方法

$$x_{out}=\frac{x_{in}-k}{s}+1$$
如果不考虑padding，卷积输出的feature map的计算公式如上，那么$x_{in}=(x_{out}-1)\ast s+k$。因此计算模型的感受野可以从最后一层往前推。下面举个例子说明:

图片来自于https://paddlepedia.readthedocs.io/en/latest/tutorials/CNN/convolution_operator/Convolution.html
一个输入大小为6x6的图像经过两层大小为3x3的卷积核之后，输出特征图变为2x2。现在要计算输出的这个特征图上的每个点对应输入的6x6的图像上多大范围的像素点（感受野）。很直观的，输出的2x2图像上每个点来自于中间特征图的3x3区域。即：
$$x_{in}=(x_{out}-1)\ast s+k=(2-1)\times 1+3=4$$
那么中间的特征图上点影响多大范围的来自第一个特征图像素点？类似的过程代入以上公式：
$$x_{in}=(x_{out}-1)\ast s+k=(4-1)\ast 1+3=6$$
因此我们得到输出的2x2的特征图上的点对应于原始特征图上6x6范围的像素点，即感受野为6x6。池化层的感受的计算同上。如果是遇到空洞卷积的感受野计算，可以先把空洞卷积转换成等效的卷积核 (参考: 直观理解Dilated Convolution)
空洞卷积的等效卷积核大小为 $k^{\prime }=k+(k-1)(d-1)=d(k-1)+1$,其中d为膨胀率。换成等效卷积核后再套用以上方法计算感受野即可。