关于CNN的感受野一些理解

一.感受野的定义

查找了很多的资料，终于对感受野有了一些浅薄的了解，由于每本书给的感受野的概念都不太同，但殊途同归，所以这边主要给了4个定义：

定义1

    两个相邻的layer层，假设第一层是输入层x,第二层的输出为s，我们刻意强调输出层s的一个输出单元（units）s3以及x中有影响该单元的输入单元，这些单元被称为s3的感受野。
    每个神经元的感受野的范围是相对的，假设对于相邻层，这个宽度为q，但对于中间有间隔层的不相邻的层，例如m-1层和m+1层，这个值可能就是n了。

定义2

    把相邻输入神经元的子矩阵与下一层的单个隐藏神经元连接，这个隐藏的单个神经元就代表一个局部感受野，这个局部感受野的范围为相邻输入神经元的子矩阵的大小。

定义3

    卷积神经网络每一层输出的特征图上的像素点在原始图像上映射的区域大小

定义4

    网络内部不同位置的神经元对原图像感受范围的大小

二.对感受野数量和范围大小的计算

1.对感受野数量的计算

卷积神经网络每一层输出的特征图（feature map）的单元（unit）的数量。

2.对感受野范围大小的计算

    假设一个卷积核（kernel_size）为m * m,padding为k,stride为d * d.

（1）对于相邻层来说

    局部感受野的范围一般是kernel_size

（2）对于不相邻的层来说

    需要我们从top层开始层层计算直到追溯会input map。从而计算出RF（感受野范围）
    公式：
    （N-1）_RF = f(N_RF,kernel_size,stride) = (N_RF-1) * stride+kernel_size
    N_RF为kernel_size