CNN特征图尺寸及感受野计算方式

1.普通卷积

特征图尺寸：o=[(i-k+2p)/s]+1
其中o为output尺寸，k为kernel_size，i为input尺寸，s为步长，p为padding

感受野：
a)第一层卷积层的输出特征图像素的感受野的大小等于滤波器的大小；
b)深层卷积层的感受野大小和它之前所有层的滤波器大小和步长有关系；
c)计算感受野大小时，忽略了图像边缘的影响，即不考虑padding的大小。

2.空洞卷积

特征图尺寸：o=[(i-k+2p-(k-1)*(r-1))/s]+1
其中o为output尺寸，k为kernel_size，i为input尺寸，s为步长，p为padding，r为膨胀率,r=1为普通卷积。

空洞卷积卷积核尺寸：f=(k-1)*(r-1)+k
其中k为卷积核尺寸，r为膨胀率