感受野的计算

 

以下图为例：

对于其中的左上图，输入图像为 5×5 的矩阵（蓝色网格）。然后使用 p=1 的零填充（即在输入图像周围添加一圈透明网格）以在卷积过程中保留边缘信息。之后，使用步幅 s=2 的 3×3 卷积核在该图像上进行卷积，得到大小为 3×3 的特征图（绿色网格）。在这个例子中，会得到 9 个特征，每个特征都有大小为 3×3 的感受野（淡蓝色覆盖的矩形区域）。我们可以在这个绿色网格上使用同样的卷积来得到更深度的特征图（橙色网格），如左下图所示。对于橙色的特征图，每个特征具有 7×7 的感受野。

总结得出感受野的计算公式：

假设上一层感受野的大小为out，当前kernel的size与stride分别是ksize与kstride，则该层感受野大小为rfsize = f(out, stride, ksize) = (out - 1) * kstride + ksize。

假设上一层feature map大小为N，该层卷积kernel的size与stride分别是ksize与kstride，padding为p，因此当前输出feature map的大小为M=(N-ksize+2p)/kstride+1。

参考：https://www.jiqizhixin.com/articles/2018-11-02-4