深度学习之感受野的计算和举例

感受野 （receptive field） ：

从CNN可视化的角度来讲，就是输出feature map某个节点的响应对应的输入图像的区域大小就是感受野。

感受野的计算 ：

首先捶墙推荐一个直接写好的感受野计算的网站 ：
https://fomoro.com/tools/receptive-fields/#
只用把你自己的网络层以及参数输入进去就可以得到感受野的大小了，非常方便准确。

下面说一说感受野的计算方法 ：
正如感受野定义所说是输出 feature map 中的某个节点的响应对应输入图像的区域的大小，所以计算的方法是从后往前逆推的

根据卷积后 feature map 大小的公式 ：
O u t p u t s i z e = [ i n p u t s i z e − f i l t e