CNN中感受野的计算

发表于 2021-11-23 更新于 2024-02-08 分类于笔记， Python，Numpy和Pytorch 阅读次数：

概念

感受野 (receptive field, RF)是卷积神经网络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。

在网上看到了一张很好的图，可以表示整个关系。

注意：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。

第k层的的感受野：

${l_i}={l_{i-1}} + (\prod_{n = 1}^{i - 1} s_n )( {k_i}-1 )$

其中， $k_i$ 表示第 $i$ 层卷积核大小， $s_n$ 表示步长。注意连乘中只到 $i-1$ ，不包含 $i$ 。

做一道题

可以得到

$i$	$k_i-1$	$s_i$	$l_i$
0	-	1	1
1	2	1	3
2	1	2	4
3	2	1	8
4	1	2	10
5	2	1	18
6	2	1	26
7	1	2	30

这里边把输入看做第0层，第0层的感受野为1。并将池化层等同卷积层处理。