【卷积神经网络】感受野

前言

感受野 Recptive Field，之前一直遇到这个名词，没有追究下去。今天抽个机会，好好研究一下。

先推荐几篇文章：

https://zhuanlan.zhihu.com/p/31004121

https://www.jianshu.com/p/7cfa6bb6d621

定义

看看大佬们的定义

（1）The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at (i.e. be affected by). —— Dang Ha The Hien

（2）在卷积神经网络中，感受野的定义是： 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上的映射大小。 ——博客园

（3）在机器视觉领域的深度神经网络中有一个概念叫 感受野，用来表示网络内部的不同位置的神经元多原图像的感受范围的大小。 ——蓝荣祎

计算方法

比如下图（该图为了方便，将二维简化为一维），这个三层的神经卷积神经网络，每一层卷积核的??????_???? = 3 ，?????? = 1，那么最上层特征所对应的感受野就为如图所示的7x7。

如何增大感受野

在深度学习中，有时候需要增大感受野来提高网络的性能。通常可以考虑用以下三种方式来增大感受野：

1. 增加pooling层，但是会降低准确性（pooling的过程中会造成信息丢失）
2. 增大卷积核kernel size，但是会增加参数
3. 增加卷积层的个数，但是会造成梯度消失的问题

福利来了

下面的链接，输入神经网络的参数，自动计算每一层感受野的大小。

https://fomoro.com/projects/project/receptive-field-calculator#