感受野(Receptive Field)
卷积神经网络隔输出特征图中的每个像素点,在原始输入图片上映射区域的大小。
1. 假若使用3x3的黄色卷积核作用会输出3x3的输出特征图,那么该卷积核的感受野是3
2. 若对上面输出的3x3特征图使用下面3x3绿色的卷积核作用后,输出1x1特征图,该特征图的像素点映射到原始图片是5x5的区域,因此它的感受野是5。
3. 对原始图片使用5x5的卷积核作用后,输出1x1的特征图,那么它的感受野是5。
4. 当x>10时,两层3x3卷积核优于一层5x5卷积核
全零填充(Padding)
为了使得输出特征尺寸与原始图片的尺寸保持不变可以使用全零填充的方法。
若要进行全零填充则设置padding=‘same’,否则设置padding=‘valid’, 默认为‘valid’。下面给出了卷积计算后,输出特征图维度的计算公式
笔记内容来源于视频:人工智能实践:Tensorflow笔记