关于感受野以空洞卷积（dalid convolution）

目前正在参考大家的各种博客，所以把各种认为优秀的链接先粘贴在此，后续再进行总结：
1、感受野的介绍
1.1、 https://medium.com/mlreview/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807

2、MULTI-SCALE CONTEXT AGGREGATION BY
DILATED CONVOLUTIONS论文表格解读
这个表格解释了这篇论文中出现的表格。

感谢知乎某作者的图片

3、计算增加了空洞之后的感受野：
https://blog.csdn.net/qq_30638831/article/details/83625627

有了1前两个链接的讲解可以比较轻松计算出来感受野，不使用第二个链接给出的计算公式，使用第一个链接给出的正向计算方法就可以。

或者可以结合第二个链接以及第三个链接仔细思考一下关于反向计算的原理。

不过我一直不明白逆着算的原理。。。

4、关于receptive field超级棒的讲解：
https://iphysresearch.github.io/posts/receptive_field.html
5、A guide to convolution arithmetic for deep learning

6、OBJECT DETECTORS EMERGE IN DEEP SCENE CNNS