一、感受野是什么
参考资料:https://www.cnblogs.com/shine-lee/p/12069176.html
感受野(Receptive Field),指的是神经网络中神经元“看到的”输入区域,在卷积神经网络中,feature map上某个元素的计算受输入图像上某个区域的影响,这个区域即该元素的感受野。
卷积神经网络中,越深层的神经元看到的输入区域越大,如下图所示:
由此可以理解为什么说两层3*3卷积相当于一层5*5卷积。
二、有效感受野
参考资料:https://www.bilibili.com/video/BV1Vy4y1v7Wt
三如何计算感受野
参考资料:
- https://blog.csdn.net/u012862372/article/details/81045593?spm=1001.2014.3001.5502
- https://zhuanlan.zhihu.com/p/40267131
感受野的计算公式如下:
其中 l k − 1 l_{k−1} lk−1为第 k − 1 k−1 k−1 层对应的感受野大小, f k f_k fk 为第 k k k层的卷积核大小,或者是池化层的池化尺寸大小。
需要注意的是:
- l 1 l_1 l1的计算:一般约定 l 0 = 1 , s 0 = 1 。 l_0=1,s_0=1。 l0=1,s0=1。
- 步长那里是连乘符号,不要看成连加了。
例子见参考资料。
最后,有个网站可以帮助我们计算感受野:
https://fomoro.com/research/article/receptive-field-calculator#3,1,1,VALID;2,2,1,VALID;3,1,1,VALID;2,2,1,VALID;3,1,1,VALID;3,1,1,VALID;2,2,1,VALID
三、感受野的应用
参考资料:https://zhuanlan.zhihu.com/p/40267131
感受野在目标检测中的应用:
放置anchor层的特征感受野应该跟anchor大小相匹配,感受野比anchor大太多不好,小太多也不好。如果感受野比anchor小很多,就好比只给你一只脚,让你说出这是什么鸟一样。如果感受野比anchor大很多,则好比给你一张世界地图,让你指出故宫在哪儿一样。
四、后续
感觉感受野似乎是挺重要的一个知识点,以后有时间得再深耕一下。