CNN网络感受野计算
计算公式
l k = l k − 1 + [ ( f k − 1 ) ∏ i = 1 k − 1 s i ] l_{k}=l_{k-1}+[(f_{k}-1)\prod_{i=1}^{k-1}s_i] lk=lk−1+[(fk−1)i=1∏k−1si]
其中 l k l_{k} lk为k层的感受野， f k f_{k} fk为k层的卷积核大小， ∏ i = 1 k − 1 s i \prod_{i=1}^{k-1}s_i ∏i=1k−1si为stride的乘积。
| No. | layers | kernel size | stride |
|---|---|---|---|
| 1 | conv1 | 3x3 | 2 |
| 2 | pooling | 2x2 | 2 |
| 3 | conv2 | 3x3 | 1 |
l 0 = 1 l_0=1 l0=1
l 1 = l 0 + ( 3 − 1 ) = 3 l_1=l_0+(3-1)=3 l1=l0+(3−1)=3
l 2 = l 1 + ( 2 − 1 ) ∗ 2 = 5 l_2=l_1+(2-1)*2=5 l2=l1+(2−1)∗2=5
l 3 = l 2 + ( 3 − 1 ) ∗ 2 ∗ 2 = 13 l_3=l_2+(3-1)*2*2=13 l3=l2+(3−1)∗2∗2=13
卷积/池化输出大小计算
o = i + 2 p − f s + 1 o=\frac{i+2p-f}{s}+1 o=si+2p−f+1
空洞卷积：
f ′ = f + ( f − 1 ) ( d − 1 ) f^{'}=f+(f-1)(d-1) f′=f+(f−1)(d−1)
o = i + 2 p − f ′ s + 1 o=\frac{i+2p-f^{'}}{s}+1 o=si+2p−f′+1
d − 1 d-1 d−1为塞入的空格数， f f f原卷积核的大小， f ′ f^{'} f′是塞入空格空卷积核的大小。