深度学习中感受野的计算

一直以来很奇怪感受野是怎么计算的，这里参考了两个博客总算是看懂了。
http://blog.csdn.net/skying_li/article/details/70158924
http://blog.csdn.net/kuaitoukid/article/details/46829355

记住一个从底向上的递推公式：F(i，j) = kernel_size_j + (F(i,j-1）-1)*stride_j，F表示的是第i层递归到第j层的大小，kernel_size_j表示该层卷积核的大小，stride_j表示该层的步长，最终F递归到顶层的时候即可求出第i层感受野的大小通过一个例子来看

pool3层的感受野是
从F（pool3,0）=2开始，然后conv4，F（pool3,1）=4,然后conv3,F(pool3,2)=3+(4-1)*1=6,类似的pool2，F（（pool3,3）=2+（6-1）*2=12。。。按照这样的规律我们得到
对应conv3的输入为6*6

对应pool2的输入为12*12

对应conv2的输入为14*14

对应pool1的输入为28*28

对应conv1的输入为30*30

所以pool3的感受野大小就是30*30