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
阿标的博客13 小时前
Python学习(三):Python程序的运行方式
开发语言·python·学习
多年小白13 小时前
AI 日报 - 2026年4月25日(周六)
网络·人工智能·科技·深度学习·ai
斯维赤13 小时前
每天学习一个小算法:堆排序
学习·算法·排序算法
Edward1111111113 小时前
4月25泛型
学习
深度学习lover13 小时前
<数据集>yolo 垃圾识别<目标检测>
人工智能·深度学习·yolo·目标检测·计算机视觉·垃圾识别
LaughingZhu13 小时前
Product Hunt 每日热榜 | 2026-04-25
人工智能·经验分享·深度学习·神经网络·产品运营
南境十里·墨染春水13 小时前
linux学习进展 线程同步——条件变量
java·开发语言·学习
AI木马人13 小时前
2.【多模型接入架构】如何同时接入GPT、Gemini、Claude并统一管理?(完整实现方案)
人工智能·gpt·深度学习·神经网络·自然语言处理
zhangyueping838513 小时前
大模型学习笔记-AI通识
人工智能·笔记·学习
南宫惠泽13 小时前
深度学习章节:模型的选择与训练.交叉验证.测试集, 诊断偏差与方差,正则化与偏差方差,建立基准性能水平
人工智能·深度学习