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
载数而行5204 小时前
QT的五类布局
c++·qt·学习
啊哈哈哈哈哈啊哈哈4 小时前
边缘计算与轮廓检测
人工智能·opencv·计算机视觉
载数而行5205 小时前
QT的QString类
c++·qt·学习
PPHT-H5 小时前
【人工智能笔记】第四十四节:OpenClaw封神工具 openclaw-free-openai-proxy 免费AI模型批量调用,零token费+稳到不翻车!
人工智能·深度学习·openclaw·免费openai·ai服务代理
yiyu07165 小时前
3分钟搞懂深度学习AI:实操篇:RNN
人工智能·深度学习
zl_dfq5 小时前
Python学习2 之 【数据类型、运算及相关函数、math库】
学习
翱翔的苍鹰7 小时前
实际项目中使用LangChain DeepAgent的完整流程(落地版)
大数据·人工智能·深度学习·语言模型·自然语言处理·langchain
2301_781143567 小时前
C语言学习笔记
笔记·学习
yongui478348 小时前
基于小波分析与神经网络结合的风速预测方法
人工智能·深度学习·神经网络
Alphapeople9 小时前
Isaac Sim学习
学习