1.感受野大于要提取的特征区域(比如物体)
会忽略被检测的物体,导致物体成为背景,提取不到物体特征。也就是说对小物体的检测会差一点。
2.感受野小于要提取的特征区域(比如物体)
获得的局部信息过多,导致全局信息的丢失,影响识别率。
3.网络深度越深,卷积的过程中会丢失信息,所以一般选取大的感受野来保证不丢失过多信息。 当然,对于一些小物体检测长几个可能效果不一定好。
不同大小的卷积核获得不同大小的信息,选取合适的感受野大小比较重要,或者考虑多尺度的感受野,可能会减少1和2这种弊端。