掌握感受野尺寸如何计算

目录

• • 对感受野（Receptive field, RF）的定义
    • 卷积操作中输入与输出尺寸之间的关联性
    • 感受野的计算方法
    • 引用文献

感受野Receptive field (RF)的概念

卷积神经网络中各层输出的特征图（feature map）中，每个像素所对应的原始输入图像区域的尺寸大小。

卷积操作输入输出尺寸分析

基于感受野的定义，可以理解其计算过程应与卷积操作呈现相反的逻辑关系。因此，首先需要回顾卷积操作中输入与输出尺寸之间的关系公式（以高度为例）：
Height_{out} = (Height_{in} - F+2*P)/S + 1
其中，F表示滤波器的边长，P代表填充的尺寸，而S则是步长参数。

感受野计算方法分析

上述内容指出，感受野的计算过程与卷积操作存在相反的逻辑关系。卷积运算通常是从输入层逐步向高层传播，而感受野的计算则采用Top-Down的方式，即从网络结构的最顶层开始，逐步向下逐层推导得出。具体实施步骤如下：

1. 假设当前需要计算感受野的层级为第N层；
2. 第N层与第N-1层之间的感受野大小等于在对第N-1层进行卷积操作时所使用的滤波器尺寸，记作RF_{N-1}；
3. 然后继续计算第N层与第N-2层之间的感受野