在卷积神经网络中,决定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.通常来说,大感受野的效果要比小感受野的效果更好.由公式可见,stride(卷积步长)越大,感受野越大.但是过大的stride会使得feature map保留的信息变少.因此,在减小stride的情况下,如何增大感受野或使其保持不变,成为了分割中的一大问题.
kernel_seze代表卷积核的大小.图片上的卷积核大小为3.
那么layer2的感受域大小为
1+(3-1)x1=3
在卷积神经网络中,决定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.通常来说,大感受野的效果要比小感受野的效果更好.由公式可见,stride(卷积步长)越大,感受野越大.但是过大的stride会使得feature map保留的信息变少.因此,在减小stride的情况下,如何增大感受野或使其保持不变,成为了分割中的一大问题.
kernel_seze代表卷积核的大小.图片上的卷积核大小为3.
那么layer2的感受域大小为
1+(3-1)x1=3