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
junior_Xin4 分钟前
机器学习深度学习beginning5
人工智能·深度学习
青桔柠薯片5 分钟前
I²C 总线协议学习总结:从开漏逻辑到读写事务的工程视角
c语言·开发语言·学习
Daydream.V7 分钟前
计算机视觉——疲劳检测、基于DNN的年龄性别预测
人工智能·计算机视觉·dnn·疲劳检测·年龄性别预测
龙文浩_8 分钟前
AI的jieba分词原理与多模式应用解析
人工智能·pytorch·深度学习·神经网络
AI_零食9 分钟前
开源鸿蒙跨平台Flutter开发:生物力学与力量周期-臂力训练矩阵架构
学习·flutter·ui·华为·矩阵·开源·harmonyos
入门工作者11 分钟前
opencv 直线拟合
opencv·计算机视觉
这张生成的图像能检测吗14 分钟前
(论文速读)RFD-LLM:用大语言模型诊断列车故障
人工智能·计算机视觉·故障诊断
sinat_2554878121 分钟前
泛型:类·学习笔记
java·jvm·笔记·学习
金融小师妹24 分钟前
基于AI能源供给网络模型:霍尔木兹海峡扰动下的全球油品风险传导与区域“油荒概率”评估
深度学习·svn·逻辑回归·能源
Fleshy数模24 分钟前
基于 Dlib+OpenCV 实现人脸关键点检测与表情识别
人工智能·opencv·计算机视觉