本文转载自博客园用户 @shine-lee的彻底搞懂感受野的含义与计算。
1. 感受野(Receptive-Field, RF)是什么?
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). 来自 A guide to receptive field arithmetic for Convolutional Neural Networks
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。
卷积神经网络中,越深层的神经元看到的输入区域越大,如下图所示,kernel size 均为3×3,stride均为1,绿色标记的是 每个神经元看到的区域,黄色标记的是
看到的区域,具体地,
每个神经元可看到
上3×3大小的区域,
每个神经元看到
上3×3大小的区域,该区域可以又看到
上5×5大小的区域。
![](https://i-blog.csdnimg.cn/blog_migrate/44b70d72b6fab68d8ac0fdbbbf1f9a02.png)
![](https://i-blog.csdnimg.cn/blog_migrate/a01f2befc9583a7f838930f3393fc493.png)
所以,感受野是个相对概念,某层feature map上的元素看到前面不同层上的区域范围是不同的,通常在不特殊指定的情况下,感受野指的是看到输入图像上的区域。
为了具体计算感受野,这里借鉴视觉系统中的概念,
准确计算感受野,需要回答两个子问,即视野中心在哪和视野范围多大。
- 只有看到”合适范围的信息”才可能做出正确的判断,否则就可能“盲人摸象”或者“一览众山小”;
- 目标识别问题中,我们需要知道神经元看到是哪个区域,才能合理推断物体在哪以及判断是什么物体。
但是,网络架构多种多样,每层的参数配置也不尽相同,感受野具体该怎么计算?
2. 计算感受野的大小
在正式计算之前,先对数学符号做如下约定,
![](https://i-blog.csdnimg.cn/blog_migrate/c9521245834089ab0f5283726578fc00.png)
:kernel size,卷积核大小;
:padding size,填充大小;
:stride size,步长大小;
- Layer:用Layer表示feature map,特别地
为输入图像;
- Conv:用Conv表示卷积,k、p、s为卷积层的超参数,
的输入和输出分别为
和
;
:feature map size为 n×n,这里假定height=width;
:receptive field size为r×r,这里假定感受野为方形;
:feature map上相邻元素间的像素距离,即将feature map上的元素与输入图像
上感受野的中心对齐后,相邻元素在输入图像上的像素距离,也可以理解为 feature map上前进1步相当于输入图像上前进多少个像素,如下图所示,feature map上前进1步,相当于输入图像上前进2个像素,j=2;
![](https://i-blog.csdnimg.cn/blog_migrate/45ab94971f1f95bb0e89fc794f95aaf4.gif)
![](https://i-blog.csdnimg.cn/blog_migrate/3cc52446e698fffe6446aaf7034e16c3.jpeg)
:feature map左上角元素在输入图像上的感受野中心坐标(start,start),即视野中心的坐标,在上图中,左上角绿色块感受野中心坐标为(0.5,0.5),即左上角蓝色块中心的坐标,左上角白色虚线块中心的坐标为(−0.5,−0.5);
:
表示层,卷积层为
,其输入feature map为
,输出为
。
下面假定所有层均为卷积层,其他操作如池化,空洞卷积等可以等价于普通卷积层:
- 对于空洞卷积dilated convolution,相当于改变了卷积核的尺寸,若含有dilationrate参数,只需将
替换为
,dilationrate=1时为正常卷积;
- 对于pooling层,可将其当成特殊的卷积层,同样存在kernel size、padding、stride参数。
- 非线性激活层为逐元素操作,不改变感受野。
2.1 感受野大小的计算
感受野大小的计算是个递推公式:
再看上面的动图,如果feature map 上的一个元素A看到feature map
上的范围为3×3(图中绿色块),其大小等于kernel size
,所以,A看到的感受野范围
等价于
上3×3窗口看到的
范围,据此可以建立起相邻Layer感受野的关系,如下所示,其中
为
的感受野,
为
的感受野:
![](https://i-blog.csdnimg.cn/blog_migrate/ad00854adf663a0e245b0ac95f779bd4.png)
一个元素的感受野
等价于
上k×k 个感受野的叠加;
上一个元素的感受野为
;
上连续k 个元素的感受野可以看成是,第1个元素看到的感受野加上剩余k−1步扫过的范围,
上每前进1个元素相当于在输入图像上前进
个像素,结果等于
+(k−1)×
可视化如下图所示:
![](https://i-blog.csdnimg.cn/blog_migrate/2e6f11c808d7c776b94c82aa60a1ca86.png)
下面的问题是, 怎么求?
上前进1个元素相当于
上前进
个元素,转换成像素单位为:
![](https://i-blog.csdnimg.cn/blog_migrate/2855d0fd283bde3a13f2d858074bf51c.png)
其中,为
的kernel在
上滑动的步长,输入图像的
。
根据递推公式可知,
![](https://i-blog.csdnimg.cn/blog_migrate/62f4188cc0a9a4e7d9be50fe17c56c9c.png)
上前进1个元素,相当于在输入图像前进了
个像素,即前面所有层stride的连乘。进一步可得,
的感受野大小为:
![](https://i-blog.csdnimg.cn/blog_migrate/036a2151abb848900ffea3ef14db01c7.png)
2.2 计算感受野中心大小
感受野中心的计算也是个递推公式:
在上一节中计算得,表示feature map
上前进1个元素相当于在输入图像上前进的像素数目,如果将feature map上元素与感受野中心对齐,则
为感受野中心之间的像素距离。如下图所示,
![](https://i-blog.csdnimg.cn/blog_migrate/03e12245feb0de73b7e88db1e24f64ae.png)
其中,各层的kernel size、padding、stride超参数已在图中标出,右侧图为feature map和感受野中心对齐后的结果。
相邻Layer间,感受野中心的关系为:
![](https://i-blog.csdnimg.cn/blog_migrate/5e087621985cad0c93192285ec7238bf.png)
所有的start坐标均相对于输入图像坐标系。其中, ,为输入图像左上角像素的中心坐标,
表示
左上角元素的感受野中心坐标,
为
与
感受野中心相对于
坐标系的偏差,该偏差需折算到输入图像坐标系,其值需要乘上
,即
相邻元素间的像素距离,相乘的结果为
,即感受野中心间的像素距离——相对输入图像坐标系。至此,相邻Layer间感受野中心坐标间的关系就不难得出了,这个过程可视化如下。
![](https://i-blog.csdnimg.cn/blog_migrate/30ee150f065597b9bd8c7c7d4e407f96.png)
3. 总结
感受野的计算公式:
![](https://i-blog.csdnimg.cn/blog_migrate/471c7254506b3d20b91318de5ec7e07c.png)
由上面的递推公式,就可以从前向后逐层计算感受野了,代码可参见computeReceptiveField.py,在线可视化计算可参见Receptive Field Calculator。
最后,还有几点需要注意:
的感受野大小与
、
无关,即当前feature map元素的感受野大小与该层相邻元素间的像素距离无关;
- 为了简化,通常将padding size设置为kernel的半径,即
,可得
,使得feature map
上
位置的元素,其感受野中心坐标为
;
- 对于空洞卷积dilated convolution,相当于改变了卷积核的尺寸,若含有dilationrate参数,只需将
替换为
,dilationrate=1时为正常卷积;
- 对于pooling层,可将其当成特殊的卷积层,同样存在kernel size、padding、stride参数。
- 非线性激活层为逐元素操作,不改变感受野。
参考
- ^彻底搞懂感受野的含义与计算 https://www.cnblogs.com/shine-lee/p/12069176.html
- ^SIGAI-关于感受野的总结 https://zhuanlan.zhihu.com/p/40424530