【计算机视觉】感受野

感受野

定义：CNN每一层输出的特征图上的像素点在原始图像上映射的区域大小。

（注：这里是输入图，不是原始图。好多博客写的都是原图上的区域，经过一番的资料查找，发现并不是原图。）

于是，特征图的大小逐渐变小，一个特征表示的信息量越来越大。

隐藏层边长（输出的边长） = （Input - K + 2P）/S + 1 

（其中 Input是输入特征的大小，K是卷积核大小，P是填充大小，S是步长（stride））

为了理解方便我就把公式先用英文写一下：

output field size = ( input field size - kernel size + 2*padding ) / stride + 1

(output field size 是卷积层的输出，input field size 是卷积层的输入)

反过来问你： 卷积层的输入（也即前一层的感受野） = ？

答案必然是： input field size = （output field size - 1）* stride - 2*padding + kernel size

再重申一下：卷积神经网络CNN中，某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野receptive field。感受野的大小是由kernel size，stride，padding , outputsize 一起决定的。

insize = 224
def outFromIn(isz, net, layernum):#从前向后算输出维度
    totstride = 1
    insize = isz
    for layer in range(layernum):
        fsize, stride, pad = net[layer]
        outsize = (insize - fsize + 2*pad) / stride + 1
        insize = outsize
        totstride = totstride * stride
    return outsize, totstride

def inFromOut(net, layernum):#从后向前算感受野 返回该层元素在原始图片中的感受野
    RF = 1
    for layer in reversed(range(layernum)):
        fsize, stride, pad = net[layer]
        RF = ((RF -1)* stride) + fsize
    return RF

所以——VGG网络两个3*3相当于5*5

 

参考：

对CNN感受野一些理解

https://zhuanlan.zhihu.com/p/24780433原始图片中的ROI如何映射到到feature map?（这里含有一个坐标映射）

感受野上面的坐标映射 （Coordinate Mapping）

lallalala