AlexNet的结构图:
感受野是检测和分割任务中比较重要的指标,它是一个逐层叠加的过程,计算到最后一层的卷积特征图输出上,它的计算公式是:
其中 R F 0 RF_{0} RF0默认是输入层,感受野为1。所以AlexNet的感受野计算为:
第一层,卷积: R F 1 = 1 + ( 11 − 1 ) × 4 = 41 RF_{1}=1+(11-1)\times 4=41 RF1=1+(11−1)×4=41
第二层,池化: R F 2 = 41 + ( 3 − 1 ) × 2 = 45 RF_{2}=41+(3-1)\times 2=45 RF2=41+(3−1)×2=45
第三层,卷积: R F 3 = 45 + ( 5 − 1 ) × 2 = 53 RF_{3}=45+(5-1)\times 2=53 RF3=45+(5−1)×2=53
第四层,池化: R F 2 = 53 + ( 3 − 1 ) × 2 = 57 RF_{2}=53+(3-1)\times 2=57 RF2=53+(3−1)×2=57
第五层,卷积: R F 2 = 57 + ( 3 − 1 ) × 1 = 59 RF_{2}=57+(3-1)\times 1=59 RF2=57+(3−1)×1=59
第六层,卷积: R F 2 = 59 + ( 3 − 1 ) × 1 = 61 RF_{2}=59+(3-1)\times 1=61 RF2=59+(3−1)×1=61
第七层,卷积: R F 2 = 61 + ( 3 − 1 ) × 1 = 63 RF_{2}=61+(3-1)\times 1=63 RF2=61+(3−1)×1=63
第八层,池化: R F 2 = 63 + ( 3 − 1 ) × 2 = 67 RF_{2}=63+(3-1)\times 2=67 RF2=63+(3−1)×2=67
第八层的输出就是 6 × 6 × 256 6\times6\times256 6×6×256,感受野的计算就结束了。
引用文献链接:https://blog.csdn.net/chaipp0607/article/details/99686844