感受野（receptive field）是指在神经网络中，某一层输出的特征图上的一个像素点对应输入图像的区域大小。在深度神经网络中，随着网络层数的增加，特征图的感受野也会逐渐增大。这是因为每一层的卷积操作都会扩大感受野。
为什么卷积操作会扩大感受野
如上图所示，对于一个5x5的图像，第一次采用了3x3卷积，第二次也是3x3卷积，但是图中只是画出了第二次卷积中获得的一个点。
第二次卷积的一个点，他的感受野是第一次卷积的9个点，而第一次卷积对于的9个点，如图中红圈1和红圈2所示，该层9个点可以包含整个5x5图像。所以第二层卷积的感受野是5x5，而第一层是3x3。
假设我们有一个输入图像，大小为5x5。在第一层使用3x3的卷积核进行卷积操作时，卷积核会滑动在输入图像上，每次都对应一个3x3的区域，生成一个输出特征图。这个输出特征图的每个像素点，都受到了输入图像上相应的3x3区域内的信息影响。这样，第一层的每个输出像素点的感受野是3x3，因为它只能看到输入图像的一个3x3的局部区域。
现在，让我们来看第二层。假设我们再次使用一个3x3的卷积核对第一层的输出特征图进行卷积操作。这个3x3的卷积核会滑动在第一层的输出特征图上，每次也对应一个3x3的区域。但是这次不同的是，第一层的每个输出像素点都代表了输入图像上一个5x5的局部区域的信息。因此，第二层的每个输出像素点的感受野是5x5，因为它可以看到输入图像的一个5x5的局部区域。
换句话说，在第二层中，每个输出像素点都可以追溯到输入图像的更大区域，这是因为它们是由第一层输出的像素点通过卷积操作得到的。因此，第二层的感受野比第一层大，这种情况会随着网络层数的增加而继续发生，从而导致特征图的感受野逐渐增大。