CNN中感受野（Receptive Field）的计算和理解

一、概念和计算公式

1. 概念： 通俗来讲，就是表示当前输出特征图中像素点在原始图像上映射区域的大小。见下图
   
2. 计算公式：\(l_{k} = l_{k-1} + ((f_{k} - 1)*\prod_{i=1}^{k-1}s_{i})\)

• \(l_{k}\)表示第k层的感受野大小，\(l_{k-1}\)表示第k-1层感受野的大小
• \(f_{k}\)表示当前层卷积核的大小，\(s_{i}\)表示第i层的步长。

二、实例

三、使用小卷积核，和同等感受野的大卷积核，有何优势?

1. 参数更加少
2. 可以使得通道更深，更好的表现非线性关系
3. 例如，一个3x3的卷积核，步长为1，三层后感受野为7x7，两者的参数比较是3x(3x3xcxc) vs. 7x7xcxc

参考资料

• 你知道如何计算CNN感受野吗？这里有一份详细指南
• CNN 感受野计算公式