卷积神经网络感受野计算公式

四个公式：

上式中n是feature map的大小，p是padding，k是kernel size，j是jump(前面的S)，r是感受野大小，start是第一个特征向量(左上角位置)对应感受野的中心坐标位置。搬运并翻译：

公式一是通用计算卷积层输入输出特征图大小的标准公式.
公式二计算输出特征图的jump，等于当前输入特征图的jump乘当前卷积层的步进s.
公式三计算感受野大小，等于输入感受野加当前层的卷积影响因子(k - 1) * jin.(注意这里是jin而不是jout，与当前层的步进s没有关系)
公式四计算输出特征图左上角位置第一个特征向量，对应输入图像感受野的中心位置，注意这里与padding有关系.
从以上公式可以看出：start起始值为0.5，经过k=3, p=1时不变，经过k=5, p=2时不变。