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
Hcoco_me27 分钟前
深度学习和神经网络之间有什么区别?
人工智能·深度学习·神经网络
西安光锐软件1 小时前
深度学习之损失函数
人工智能·深度学习
astragin1 小时前
神经网络常见层速查表
人工智能·深度学习·神经网络
Cellular_Modem笔记1 小时前
5G NR-NTN协议学习系列:NR-NTN介绍(2)
学习·5g·ntn
cyyt1 小时前
深度学习周报(9.8~9.14)
人工智能·深度学习
扯淡的闲人1 小时前
多语言编码Agent解决方案(2)-后端服务实现
开发语言·python·深度学习
蒋星熠1 小时前
深度学习实战指南:从神经网络基础到模型优化的完整攻略
人工智能·python·深度学习·神经网络·机器学习·卷积神经网络·transformer
ooo-p1 小时前
FPGA学习篇——Verilog学习Led灯的实现
学习·fpga开发
星期天要睡觉2 小时前
计算机视觉(opencv)实战二十一——基于 SIFT 和 FLANN 的指纹图像匹配与认证
人工智能·opencv·计算机视觉
_hermit:2 小时前
【从零开始java学习|小结】记录学习和编程中的问题
java·学习