博客围绕CNN网络展开，介绍了感受野的定义，即卷积神经网络特征所能看到输入图像的区域。阐述了感受野大小的计算方式、规则及计算公式，并通过具体示例，计算出一张图经过特定卷积层、激活函数层、BN层和池化层后的感受野为13。
在CNN网络中，一张图经过核为3 x 3，步长为2的卷积层，ReLU激活函数层，BN层，以及一个步长为2，核为2 x 2的池化层后，再经过一个3 x 3的的卷积层，步长为1，此时的感受野是？
感受野（Receptive Field）的定义：卷积神经网络每一层输出的特征图（feature map）上的像素点映射回输入图像上的区域大小。通俗点的解释是，特征图上一点，相对于原图的大小，也是卷积神经网络特征所能看到输入图像的区域。
1、感受野大小的计算方式是从最后一层 feature map 开始，往下往上的计算方法，即先计算最深层在前一层上的感受野，然后以此类推逐层传递到第一层；
2、感受野大小的计算不考虑padding的大小；
3、最后一层的特征图感受野的大小等于其卷积核的大小；
4、第 i i i 层特征图的感受野大小和第 i i i 层的卷积核大小和步长有关系
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
