本文介绍了计算深度学习网络中感受野的方法，并以DenseBox目标检测模型中的conv3_4层为例进行详细说明。利用历史所有层的stride乘积和当前层的kernel size，可以确定Receptive Field大小。在DenseBox的VGG19 backbone中，conv3_4层的感受野为48 * 48。
1. Receptive Field 计算方法
当前层的stride: 历史所有层的stride的乘机
当前层的Receptive Field: RF = last_RF + (ksize - 1) * history_stride, 其中, last_RF为上一层的Receptive Field, ksize为当前层的kernel size, history_stride为历史积累的stride(不包括当前层的stride).
2. 以DenseBox目标检测中的为例进行说明
DenseBox是百度发表的一篇针对Object Detection的paper, 网络的backbone是VGG19.
这里以paper中描述的conv3_4为例进行说明, 论文中指出conv3_4的感受野为48 * 48.
计算过程如下:
| Conv Name | ksize | stride | history_stride | last_RF | RF |
| Input | -- | -- | -- | -- |
最低0.47元/天 解锁文章
1062
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
