MTCNN中P_Net特征映射关系解析

PNet是全卷积网络，主要为了应对不同输入尺度，最后输出的为W×H×2，W×H×4两个特征图，其中W×H×4为候选框的在特征图中的位置坐标，需要将它们映射到原始图像中，接下来对这个映射关系进行解析。

一、什么是感受野
卷积神经网络CNN中，某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野receptive field。感受野的大小是由kernel size，stride，padding , outputsize 一起决定的。

卷积过程中的词语含义：
•28×28的输入图片（输入图片尺寸W=28）
•5×5的卷积核（卷积核大小K=5）
•滑动步长（stride=1）
当padding=‘valid’（不进行填充）
根据隐藏层边长=（W-K）/S +1，可以得到2424的隐层神经元。
当padding=‘SAME’（进行填充）
根据隐藏层边长=（W-K+2P）/S +1，其中P=（K-1）/2，可以得到2828的隐层神经元，可以保证输入层与输出层有相同的空间分布 。

综上所述：隐藏层边长（输出的边长）= ÿ