前言
感受野 Recptive Field，之前一直遇到这个名词，没有追究下去。今天抽个机会，好好研究一下。
先推荐几篇文章：
https://zhuanlan.zhihu.com/p/31004121
https://www.jianshu.com/p/7cfa6bb6d621
定义
看看大佬们的定义
（1）The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at (i.e. be affected by). —— Dang Ha The Hien
（2）在卷积神经网络中，感受野的定义是： 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上的映射大小。 ——博客园
（3）在机器视觉领域的深度神经网络中有一个概念叫 感受野，用来表示网络内部的不同位置的神经元多原图像的感受范围的大小。 ——蓝荣祎
计算方法
比如下图（该图为了方便，将二维简化为一维），这个三层的神经卷积神经网络，每一层卷积核的????????????????????????_???????????????? = 3 ，???????????????????????? = 1，那么最上层特征所对应的感受野就为如图所示的7x7。
如何增大感受野
在深度学习中，有时候需要增大感受野来提高网络的性能。通常可以考虑用以下三种方式来增大感受野：
- 增加pooling层，但是会降低准确性（pooling的过程中会造成信息丢失）
- 增大卷积核kernel size，但是会增加参数
- 增加卷积层的个数，但是会造成梯度消失的问题
福利来了
下面的链接，输入神经网络的参数，自动计算每一层感受野的大小。
https://fomoro.com/projects/project/receptive-field-calculator#