转载原文:https://blog.csdn.net/program_developer/article/details/80958716
1. 感受野的概念
在卷积神经网络中,感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map)上的像素点在输入图片上映射的区域大小。再通俗点的解释是,特征图上的一个点对应输入图上的区域,如图1所示。
图1:用图形理解感受野概念
2. 感受野的例子
(1)两层33的卷积核卷积操作之后的感受野是55,其中卷积核(filter)的步长(stride)为1、padding为0,如图2所示:
图2:两层33卷积核操作之后的感受野是55
(2)三层33卷积核操作之后的感受野是77,其中卷积核的步长为1,padding为0,如图3所示:
图3:三层33卷积核操作之后的感受野是77
3. 感受野的计算
感受野计算时有下面几个知识点需要知道:
. 最后一层(卷积层或池化层)输出特征图感受野的大小等于卷积核的大小。
. 第i层卷积层的感受野大小和第i层的卷积核大小和步长有关系,同时也与第(i+1)层感受野大小有关。
. 计算感受野的大小时忽略了图像边缘的影响,即不考虑padding的大小。
关于感受野大小的计算方式是采用从最后一层往下计算的方法,即先计算最深层在前一层上的感受野,然后逐层传递到第一层,使用的公式可以表示如下:
其中,是第i层卷积层的感受野
是(i+1)层上的感受野,stride是卷积的步长,Ksize是本层卷积核的大小。