卷积神经网络中感受野计算

感受野（receptive field）是CNN中很重要的一个概念，指的是某个输出的feature map上某个点对应的输入图像的区域

示意图.png

关于感受野的计算方式用一个例子说明

卷积参数.png

现在要计算的是最后输出层上一个像素点对应的输入图像的尺寸是多大，我们从最后一层一步一步向上计算。
在pool3对应的是2x2，pool3的一个像素对应conv3的区域是3x3，可以计算出pool3中2x2的区域对应conv3的区域是4x4，以此类推

对应pool2的区域是8x8
对应conv2的区域是10x10
对应pool1的区域是20x20
对应conv1的区域是22x22
总结一下计算公式：F代表当前层区域边长，S代表步长，K代表卷积核边长
当前层区域映射对应上一层的区域大小边长L计算公式：
如果当前层是pooling得到的：L = FxS
如果当前层是conv得到的：L = (F-1)xS + K