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
weixin_4093831213 小时前
godot碰撞测试的学习
学习·游戏引擎·godot
电子云与长程纠缠13 小时前
Godot学习06 - AnimationPlayer内置动画
学习·游戏引擎·godot
科学创新前沿14 小时前
逆向设计新范式:深度学习驱动的声学超材料智能优化!
人工智能·python·深度学习·声学·逆向设计·声学超材料
山塘小鱼儿14 小时前
LangGraph生成小红书书评(学习)
学习·大模型·langgraph
kyq___14 小时前
环路稳定性补偿学习笔记
笔记·学习
Yao.Li14 小时前
LINEMOD 训练流程与实施细节
人工智能·深度学习·机器学习
Sagittarius_A*14 小时前
传统图像分割:阈值 / 区域生长 / 分水岭 / 图割全解析【计算机视觉】
图像处理·人工智能·python·opencv·计算机视觉·图像分割
Fleshy数模14 小时前
ResNet 残差网络:迁移学习实现食物分类实战
人工智能·深度学习·残差网络·卷积神经网络
CyrusCJA14 小时前
日语零基础每天学习笔记【11-20】
笔记·学习
NULL指向我14 小时前
信号处理学习笔记2:软件RC二阶高通\低通滤波
笔记·学习·信号处理