感受野详解

从直观上讲，感受野就是视觉感受区域的大小。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映射的区域大小。
在第一层卷积面，感受野的大小等于卷积核的大小，通过卷积核在输入特征映射上滑动卷积，得到输出特征映射，如果以彩色图片为例（彩色图片有长、宽、深度三个维度，深度有红绿蓝三层），卷积核也是三维张量，第一层卷积核在红色输入特征滑动提取到特征一，第二层卷积核在绿色输入特征滑动提取到特征二，第三层卷积核在蓝色输入特征滑动提取到特征三，然后相加得到一个输出特征映射。如图，假设卷积核的大小是3，每次滑动的步长为1，输出特征映射红点处神经元对应的感受野大小为3，它所映射的信息就是输入特征映射的红色区域的信息。

从第二层卷积开始，一个神经元所映射的信息不再是卷积核大小所对应的区域的信息，如下图所示，从这一层开始就需要反着推，第二层输出红点处的神经元映射上层输出红色区域的信息，第一层输出红色区域映射输入层红色区域的信息，这时，第二层的红点神经元就映射着输入层的红色区域的信息，它的感受野大小变为5，假设滑动步长为1。依次类推

假设下采样层的大小设置为2x2，如下图所示，采样层所对应的感受野为10。如果要保证输入特征映射与输出特征映射相同，可以采取输入特征映射补零操作。

不同的卷积核提取的特征不同，假设输入层的输入特征深度为3，提取特征的卷积核的深度为3，假设有8个不同的卷积核，每层卷积核与输入层分别卷积，然后叠加，再加上偏置生成新的特征映射，8个卷积核就会输出8个特征映射，第二层的卷积核的深度变为8，假设第二层有10个卷积核，那么每层卷积核分别于输入的8个特征映射卷积，然后叠加生成新的特征映射，10个卷积核生成10个新的特征映射，下一层的卷积核深度也就变为10，以此类推。

参考网站：https://www.jianshu.com/p/9305d31962d8