感受野：
在卷積神經網絡中，感受野（Receptive Field）的定義是卷積神經網絡每一層輸出的特征圖（feature map）上的像素點在輸入圖片上映射的區域大小。再通俗點的解釋是，特征圖上的一個點對應輸入圖上的區域，如圖1所示。

2. 感受野的例子
三層33卷積核操作之后的感受野是77，其中卷積核的步長為1，padding為0，如圖2所示：經過三次卷積，卷積得到特征圖從左到右為第一層、第二層、第三層特征圖。

感受野計算時有下面幾個知識點需要知道：

. 下一層輸出特征圖相較于上一層輸出特征圖感受野的大小等于卷積核的大小。
. 第i層卷積層的感受野大小和第i層的卷積核大小和步長有關系，同時也與第（i+1）層感受野大小有關。
. 計算感受野的大小時忽略了圖像邊緣的影響，即不考慮padding的大小。

下一層相對于上一層感受野為其卷積核大小：第三層相較于第二層感受野大小3X3（conv3前后），第二層相較于第一層感受野大小3X3（conv2前后），第二層相較于第一層感受野大小3*3（conv1前后）

關于感受野大小的計算方式是采用從最后一層往上計算的方法，**即先計算最后一層在前一層上的感受野，然后逐層傳遞到第一層，得到最后一層相對于輸入的感受野，**使用的公式可以表示如下：

其中，RFi是第i層卷積層的感受野，RFi+1是（i+1）層上的感受野，stride是卷積的步長，Ksize是本層卷積核的大小。
對圖二內容來說：計算最后一層（第三層）特征圖相較于輸入的感受野步驟：
conv3: RF3 = 3 即第三層特征圖相較于第二層的感受野為卷積核的大小3
conv2: RF2 = （3-1）*1+3 = 5 即第三層特征圖相較于第一層特征圖的感受野為5
conv1: RF1 = （5-1） *1 +3 = 7 即第三層特征圖相較于輸入的感受野為7

同理若計算第二層特征圖相較于輸入：
conv2:先計算第二層相較于第一層：為卷積核大小 = 3
conv1:第二層相較輸入：（3-1）*1 + 3 = 5 即第二層特征圖相較于輸入的感受野為5.

總結

以上是生活随笔為你收集整理的感受野计算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。