CNN感受野最全计算公式

目录

 

感受野(Receptive field):

计算公式:

前向公式:

反相公式:


感受野(Receptive field):

感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map)上的像素点在输入图片上映射的区域大小。再通俗点的解释是,特征图上的一个点对应输入图上的区域。如图所示
CNN感受野最全计算公式_第1张图片

 

计算公式:

前向公式:

Lk:表示第k层的感受野

Lk-1:表示第k-1层的感受野

Fk:表示第k层卷积核的大小

Si:表示第i层的步长

一般来说第一层感受野为该层卷积核的大小。感受野计算不考虑padding参数。

CNN感受野最全计算公式_第2张图片

反相公式:

F(i):表示第i层的感受野

F(i+1):表示第i+1层的感受野

Stride:表示步长

Ksize:卷积核大小

从最后一层开始,最后一层的感受野为这一层卷积核的大小。下面举例说明,还是上面的例子。

CNN感受野最全计算公式_第3张图片

注:因为上述公式是反向的,所以原先卷积层的第7层就相当于计算的时候的第一层。可知,两个公式计算结果是一样的。

你可能感兴趣的:(神经网络与深度学习理论基础,神经网络,卷积,深度学习)