什么是感受野 Receptive Field 感受野是什么意思

有一个人写的很好，放上他写的文章

彻底搞懂感受野的含义与计算 - 知乎

然后嘞，如果你点进去不想看，那你就适合看我写的哈哈

比较浮躁，那就我来吧

首先我们得知道感受野的英文名字哈 

洋气 感受野 Receptive Field

注意哦，这是让机器看的哦，也就是机器注意的，cnn（卷积神经网络）要看到的地方

卷积神经网络

 

神经网络中神经元“看到的”输入图片的区域

The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at

当然哦，为什么要用卷积在这里还是要提及一嘴

详情请出门右转吴恩达深度学习

神经网路的参数量巨大

所以如果没有足量的数据，就会发生过拟合overfitting

参数量如此之大，又不想只处理小图片，唯一的正确的答案就是卷积

1. 使用卷积的原因: (1) 减少参数数量,提高计算速度。

                                (2) 可以用更小的训练集来训练网络,从而预防过拟合。

2. 卷积可以减少参数的原因:

(1) 参数共享: 观察发现,特征检测如垂直边缘检测如果适用于图片的某个区域,那么它也可能适用于图片的其他区域。

(2) 稀疏连接: 在每一层,每一个输出值仅依赖小数目的输入。

啊哦  扯远了 不过这些真的 很重要

回来哦，所以卷积是可以让图像压缩（缩小）的，或是理解成丢失一些边缘信息，当然也有same卷积，用padding即可

那么

 是不是这个画圈的小块，相当于看到了原先输入input图像的5*5区域，这个区域就是这个圈的感受野。随着层数的深入，先看图哦注意后面小正方形哦

 

注意哦，这里的filter （卷积核取3*3）

也就是说 第二层只用黄色的就能看到整个第一层 

这个第三层就厉害了 就用了一个小方块就看到了原图

 希望大家在这里能理解小陈的良苦用心

就一句话 ：随着网络层数的加深，虽然图像越来越小，但是相应层数的感受野就能看到的越多感受野也就越大，或是说能看见一些高级语义图像的底层特征、高层特征是什么，语义信息是什么意思_：）�东东要拼命的博客-CSDN博客

之后详细的计算，也请回东东介绍大家的第一篇引用研读吧，相信会很好理解了

最后还是谢谢那个大哥

彻底搞懂感受野的含义与计算 - 知乎

希望大家也能有所收获！