理论学习:感受野

参考链接:

安全验证 - 知乎

一、感受野的概念

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。

二、举例说明

(1)若输入图像的尺寸大小是5*5,经过两次3*3的卷积核(其中stride=1,padding=0)后,其感受野大小为5*5,如下图所示:

(由卷积计算公式:N=(W-F+2P)/S+1,得到第一次卷积后的图像大小为3*3,第二次卷积后的图像大小为1*1)

(2)若输入图像的尺寸大小是7*7,经过三次3*3的卷积核(其中stride=1,padding=0)后,其感受野大小为7*7,如下图所示:

(由卷积计算公式:N=(W-F+2P)/S+1,得到第一次卷积后的图像大小为5*5,第二次卷积后的图像大小为3*3,第三次卷积后的图像大小为1*1)

也就是说,随着卷积核的增多(即网络的加深),感受野会越来越大。

相关推荐
Mr_Xuhhh4 分钟前
有关LangChain
人工智能·深度学习·神经网络
jay神9 分钟前
神经网络的调参顺序
人工智能·深度学习·神经网络·科研·模型调参
棒棒的皮皮10 分钟前
【OpenCV】Python图像处理之形态学梯度运算
图像处理·python·opencv·计算机视觉
IE0611 分钟前
深度学习系列85:sqlite-ai系列
人工智能·深度学习·sqlite
小林有点嵌11 分钟前
UML之活动图学习
服务器·学习·uml
棒棒的皮皮16 分钟前
【OpenCV】Python图像处理之开/闭运算
图像处理·python·opencv·计算机视觉
后端小张21 分钟前
【AI 学习】深度解析Transformer核心:注意力机制的原理、实现与应用
人工智能·深度学习·学习·机器学习·自然语言处理·数据挖掘·transformer
旖旎夜光24 分钟前
Linux(5)(上)
linux·学习
点云SLAM25 分钟前
Scenarios 英文单词学习
学习·英文单词学习·雅思备考·情景 / 情节·剧情 / 故事情景·scenarios
小怪兽会微笑27 分钟前
MoM (Mixture-of-Memories)新型线性序列建模架构
人工智能·深度学习·架构