感受野(Receptive Field)理解和计算

@[Toc](感受野(Receptive Filed)的理解和计算)

感受野定义

在卷积神经网络中,感受野(Receptive Filed)是经过神经网络后生成的指特征图上的某个像素点所对应输入图像的区域。
感受野(Receptive Field)理解和计算_第1张图片
针对上面的图,经过conv2 卷积神经网络后,生成了22 的特征图,针对这个22 特征图的一个像素来说,它是由conv1 生成的特征图做第一个22 的卷积得到的。而经过conv1生成的特征图的22 的这个区域是由于conv1 对Raw image做了四次卷积运算得到的。所以conv2 特征图的一个像素对应原图的范围是55,所以这个像素点的在conv1之前原图中的感受野为55.

神经元感受野的值越大表示其能接触到的原始图像范围就越大,也意味着它可能蕴含更为全局,语义层次更高的特征;相反,值越小则表示其所包含的特征越趋向局部和细节。因此感受野的值可以用来大致判断每一层的抽象层次。

感受野(Receptive Field)理解和计算_第2张图片

F(i)为像素对于i层的感受野
例如上图,像素5这个点要计算conv1层的感受野,计算公式为
f(conv1) = (f(conv2)-1)*stride + ksize = 2; 然后再计算在原图中的感受野:f(raw_image) = (f(conv1)-1)*stride + ksize = 5;

你可能感兴趣的:(pytorch,深度学习,计算机视觉,人工智能)