感受野(Receptive Field)的理解与计算

一、 定义

在卷积神经网络中，感受野（Receptive Field）是指特征图上的某个点能看到的输入图像的区域，即特征图上的点是由输入图像中感受野大小区域的计算得到的。

神经元感受野的值越大表示其能接触到的原始图像范围就越大，也以为这它可能蕴含更为全局，语义层次更高的特征；相反，值越小则表示其所包含的特征越趋向局部和细节。因此感受野的值可以用来大致判断每一层的抽象层次。

二、计算

卷积层（conv）和池化层（pooling）都会影响感受野，而激活函数层通常对于感受野没有影响，当前层的步长并不影响当前层的感受野，感受野和填补（padding）没有关心，计算当前层感受野的公式如下：

其中 RF_i+1 表示当前层的感受野，RF_i 表示上一层的感受野，k表示卷积核的大小，例如3*3的卷积核，则k=3，S_i 表示之前所有层的步长的乘积（不包括本层），公式如下：

下面来练练手，以AlexNet举个例子：

我的一部分计算过程：

Raw = 1
Conv1 = 1+(11 - 1) x 1 = 11
Pool1 = 11+(3 - 1) x 4 = 19
Conv2 = 19+(5 - 1) x 4 x 2 = 51
·······

三、拓展

通常上述公式求取的感受野通常很大，而实际的有效感受野（Effective Receptive Field）往往小于理论感受野，因为输入层中边缘点的使用次数明显比中间点要少，因此做出的贡献不同，所以经过多层的卷积堆叠后，输入层对于特征图点做出的贡献分布呈高斯分布形状。

在使用Anchor作为强先验区域的物体检测算法中，如Faster RCNN 和 SDD，如何设置Anchor的大小，都应该考虑感受野，尤其是有效感受野，过大或过小都不好。

本文完全搬运自知乎博主 玖零猴，仅用于自己学习中的记录分享，防止原文失效。
B站视频