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
华盈生物1 小时前
从bulk数据到组织原位观察:超多重免疫荧光成像如何为转化研究提供蛋白层线索?
深度学习·pcf·多模态数据·空间单细胞蛋白组·单细胞组织原位空间蛋白组学·组织原位空间蛋白组学·超多重蛋白成像技术
这张生成的图像能检测吗2 小时前
(论文速读)CLUSTER-GCN:一种训练深度和大图卷积网络的有效算法
人工智能·深度学习·图神经网络·聚类算法
GHL2842710902 小时前
unreferenced formal parameter 解决办法学习
学习
Omics Pro2 小时前
深度学习多组学互作:组内+组间
数据库·人工智能·深度学习·mysql·搜索引擎·自然语言处理
听风吹等浪起2 小时前
002:多图合并导出PDF【网页版】
计算机视觉·pdf
txg6662 小时前
机器人领域简报(2026年7月9日—16日)
人工智能·深度学习·机器人
fanchenxinok4 小时前
学习笔记:LabVIEW调用DLL解析S19文件教程
笔记·学习·labview·dll解析
饼饼学习空间智能4 小时前
2026数字孪生选型避坑指南:如何避免项目沦为3D大屏展示
人工智能·深度学习
Mark White5 小时前
具身智能论文伴读-第一期
人工智能·深度学习·语言模型
芷栀夏5 小时前
Java教育平台实战复盘:课程、考试与学习行为分析系统设计
java·开发语言·学习