CNN中感受野Receptive Field的计算

1. 感受野

The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at (i.e. be affected by).
感受野是在输入空间内，CNN提取的特征的来源区域的大小。
It is defined as the window size of input voxels that affects one particular output voxel.

感受野可以用其中心位置和尺寸来描述。

在一个感受野内，越靠近中心位置的像素对CNN特征的贡献越多。这说明CNN特征不仅具有感受野，而且在感受野内部还会根据距离施加权重。

图1. CNN特征图

上图给出了一些CNN特征图（Feature Map）的示例。输入图像尺寸5x5，卷积核3x3，padding=1，步长为2。第一次卷积得到3x3的结果，如图中绿色图所示。再卷积一次得到2x2的结果，如图中黄色图所示。

卷积前后图像的尺寸计算公式为：

图1中左列是很常见的CNN特征图的表示方式，可以直接看出特征图的数量，但不能看出感受野的中心位置，也不能看出感受野的大小。

图1中右列将CNN特征图的尺寸扩展成与输入图像相等，每个特征都对应于卷积计算时的卷积核中心位置，并且画出了每个特征所对应的感受野的大小。

我们用下图所示的一维卷积过程做进一步说明：

上图中$k=3,s=1$，第一次卷积时，每一个卷积的输出结果都包含输入图像的三个位置信息。第二次卷积时，每一个结果包含了输入图像的五个位置信息。继续增加卷积层数，会增大感受野。

2. 计算方法

上图，式1计算的是卷积后特征的数量。

式2计算相邻特征的间距。等于输入特征的间距$j_{in}$乘以跳过的特征的数量$s$。

式3计算感受野的尺寸。等于被卷积核多覆盖的区域$(k-1)\ast j_{in}$加上原本输入特征的感受野$r_{in}$。这里$(k-1)\ast j_{in}$是由$2\ast \frac{k-1}{2}\ast j_{in}$计算而来，即卷积核在边缘位置的扩展部分的大小。

式4计算第一个特征感受野的中心位置。start是左上角特征的中心坐标。

CNN网络的第一层是输入层，总有 $n=imagesize$, $r=1$, $j=1$, $start=0.5$。如下图所示：

上图计算了两次卷积后，特征图的感受野以及中心位置。

3. Python 代码

下面的代码可以方便计算：

# [filter size, stride, padding]
#Assume the two dimensions are the same
#Each kernel requires the following parameters:
# - k_i: kernel size
# - s_i: stride
# - p_i: padding (if padding is uneven, right padding will higher than left padding; "SAME" option in tensorflow)
# 
#Each layer i requires the following parameters to be fully represented: 
# - n_i: number of feature (data layer has n_1 = imagesize )
# - j_i: distance (projected to image pixel distance) between center of two adjacent features
# - r_i: receptive field of a feature in layer i
# - start_i: position of the first feature's receptive field in layer i (idx start from 0, negative means the center fall into padding)

import math
convnet =   [[11,4,0],[3,2,0],[5,1,2],[3,2,0],[3,1,1],[3,1,1],[3,1,1],[3,2,0],[6,1,0], [1, 1, 0]]
layer_names = ['conv1','pool1','conv2','pool2','conv3','conv4','conv5','pool5','fc6-conv', 'fc7-conv']
imsize = 227

def outFromIn(conv, layerIn):
  n_in = layerIn[0]
  j_in = layerIn[1]
  r_in = layerIn[2]
  start_in = layerIn[3]
  k = conv[0]
  s = conv[1]
  p = conv[2]
  
  n_out = math.floor((n_in - k + 2*p)/s) + 1
  actualP = (n_out-1)*s - n_in + k 
  pR = math.ceil(actualP/2)
  pL = math.floor(actualP/2)
  
  j_out = j_in * s
  r_out = r_in + (k - 1)*j_in
  start_out = start_in + ((k-1)/2 - pL)*j_in
  return n_out, j_out, r_out, start_out
  
def printLayer(layer, layer_name):
  print(layer_name + ":")
  print("\t n features: %s \n \t jump: %s \n \t receptive size: %s \t start: %s " % (layer[0], layer[1], layer[2], layer[3]))
 
layerInfos = []
if __name__ == '__main__':
#first layer is the data layer (image) with n_0 = image size; j_0 = 1; r_0 = 1; and start_0 = 0.5
  print ("-------Net summary------")
  currentLayer = [imsize, 1, 1, 0.5]
  printLayer(currentLayer, "input image")
  for i in range(len(convnet)):
    currentLayer = outFromIn(convnet[i], currentLayer)
    layerInfos.append(currentLayer)
    printLayer(currentLayer, layer_names[i])
  print ("------------------------")
  layer_name = raw_input ("Layer name where the feature in: ")
  layer_idx = layer_names.index(layer_name)
  idx_x = int(raw_input ("index of the feature in x dimension (from 0)"))
  idx_y = int(raw_input ("index of the feature in y dimension (from 0)"))
  
  n = layerInfos[layer_idx][0]
  j = layerInfos[layer_idx][1]
  r = layerInfos[layer_idx][2]
  start = layerInfos[layer_idx][3]
  assert(idx_x < n)
  assert(idx_y < n)
  
  print ("receptive field: (%s, %s)" % (r, r))
  print ("center: (%s, %s)" % (start+idx_x*j, start+idx_y*j))

输出结果：

4. 反卷积的感受野计算方法

反卷积使得特征间的间距$j$缩小，但仍然会使感受野增大。

对于一个 k = 2 , p = 0