深度学习--Receptive Field

最近看FCN，关于skip-architect，将同层的网络进行进行fusion，感受野的大小和网络的深度的关系总是模糊不清，找了几篇博客看了看，理清了点思路。

池化会增大感受野，但是同时会降低维度，所以给分割网络带来的负面影响就是图像的分辨率会降低。那有没有好的方式既可以增大感受野，同时还可以保持维度，就是所谓的空洞卷积。FCN在进行layer 的fusion的时候，加上比较浅的网络的效果更好，就是因为前面layer的感受野小，更多的local信息会被提取到。

reference:

https://www.jianshu.com/p/9305d31962d8

https://blog.csdn.net/u010725283/article/details/78593410