感受野的概念

在深度学习中，我们经常会听到感受野这个词语，那么感受野究竟是什么呢？

1. 感受野的概念

在卷积神经网络中，感受野的定义是 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。

RCNN论文中有一段描述，Alexnet网络pool5输出的特征图上的像素在输入图像上有很大的感受野（have very large receptive fields (195 × 195 pixels)）和步长（strides (32×32 pixels) ）， 这两个变量的数值是如何得出的呢？

1. 感受野大小的计算

感受野计算时有下面的几个情况需要说明：

1. 第一层卷积层的输出特征图像素的感受野大小等于滤波器大小。
2. 深层卷积层的感受野大小和它之前所有层的滤波器大小和步长有关系。
3. 计算感受野大小时，忽略了图像边缘的影响，即不考虑padding的大小。这里的每一个卷积层还有一个strides的概念，这个strides是之前所有层stride的乘积。

即strides(i) = stride(1)*stride(2)*&＃8230;*strides(i-1)

关于感受野大小的计算采用top to down的方式，即先计算最深层在前一层的感受野，然后逐渐传递到第一层，使用的方式可以表示如下：

            RF = 1    #待计算的feature map上的感受野大小

For layer in (top layer To down layer):

RF = ((RF-1)*stride) + fsize

stride表示卷积的步长；fsize表示卷积层滤波器的大小。