关于感受野的定义请参考:https://www.jianshu.com/p/2b968e7a1715
- 定义:感受野用来表示网络内部的不同神经元对原图像的感受范围的大小,或者说,convNets(cnn)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。
计算公式:
从前往后: F后 = (F前 - 1) + k (F代表感受野的大小, k代表kernel大小)
从后往前: F前 = (F后 - 1) + k (F代表感受野的大小, k代表kernel大小)
感受野的计算,从前往后,和从后往前,结果都是一样的。 这里给大家展示:
从前往后:
总共有三层:1,2,3,
第一层的感受野为1,
第二层的感受野为(1 - 1) + 3 = 3
第三层的感受野为(3 - 1) + 3 = 5
从后往前:
从后往前计算,比较麻烦,这里值计算最后一层,
第三层的当前感受野为3,
在第二层的感受野为(3 - 1) + 3 = 5 为第三层的感受野
dilated convolution 感受野的计算:
1~8层, 空洞的大小为{1,1,2,4,8,16,1,1}
论文中提出的是从前往后计算,解释前四个,
1层 3
2层 (3 - 1) + 3 = 5
3层 (5 - 1) + (2×2 + 1)= 9 红色代表空洞 换线部分达标计算空洞卷积核的大小
4层 (9 - 1) + (4*2 + 1)= 17
。。。。。。。
我自己手动算了从后往前的计算:
需要先计算出最后一层,再计算倒数第二层:
计算最后一层:
得到最后一层为67,前面的数字代表层的感受野,局部的
倒数第二层的感受野:
公式 F后 = (F前 - 1) + K 此时K代表前一层层的空洞卷积的大小
F前 = F后 - 1 + 1
因此 倒数第二层的感受野为:67 - 1 + 1 = 67
倒数第三层的感受野:
67 - 3 + 1 = 65
倒数第四层的感受野:
65 - (16*2 + 1) + 1 = 33
。。。。。
完毕,错误的地方 还请指正!!!
仅供参考.