目标检测和感受野的总结和想法

以下内容整理自：zhihu@YaqiLYUhttps://zhuanlan.zhihu.com/p/44106492

Tensorflow:https://github.com/google-research/receptive_field/
Pytorch:https://github.com/Fangyh09/pytorch-receptive-field

以上的计算方式是国内认可度比较高的一种计算方式，在知乎上获得了400+的高赞，但是与谷歌计算出来的结果不一样，所以我就去读了一下谷歌发在Distill上的一篇论文：Computing Receptive Fields of Convolutional Neural Networks，里边非常丰富的讲解了如何计算感受野，包含的情况非常广。先说结论，实际上以上计算方法应该是从下往上进行的，而不是从上往下，另外以上规则只能适合比较有限范围的卷积，而没有一个详细的公式。在讲解下一节以后，我们尝试重新计算VGG的感受野

有了以上的计算方法，我们可以很方便计算所有卷积网络的感受野：

最后想推荐一下以上涉及到的三篇文章，都特别有价值，值得多看几遍：
（1）S3FD
（2）Computing Receptive Fields of Convolutional Neural Networks
（3）Understanding the Effective Receptive Field in Deep Convolutional Neural Networks
另外，以上内容是基于论文以及自己的理解表述的，如果有问题，欢迎加我微信，互相交流。