多层卷积后感受野的计算

参考
原始图片中的ROI如何映射到到feature map? - 晓雷的文章 - 知乎
https://zhuanlan.zhihu.com/p/24780433

如图，map3为map1经过了5*5和7*7卷积后的feature map，假设map1是原始图片，那么map3上的1个像素的感受野是多少？
答案是11*11
最开始我以为是35(5*7)，但是没考虑到map2上的7*7feature map在Map1上，每1个点对应5个点，但是相邻的点是有重叠的，那么该如何计算呢？
直接拿出计算一层卷积后的图片大小的公式：
output = (input -kernel_size +2*padding)/Stride +1
反推即可得input的公式，即求本层映射到上层的(感受野)大小，多层的话，一层一层往上算就好了
注意这里output是指一个卷积核在一个位置卷积后的大小，最后一层的output为1，那么最后一层映射到倒数第二层的input=kernel_size

多层卷积后感受野的计算相关推荐

卷积神经网络物体检测之感受野大小计算
学习RCNN系列论文时, 出现了感受野(receptive field)的名词, 感受野的尺寸大小是如何计算的,在网上没有搜到特别详细的介绍, 为了加深印象,记录下自己对这一感念的理解,希望对理解基于 ...
深度可分离卷积、空洞卷积、反卷积、感受野计算、上采样
文章目录输出特征图尺寸的计算 Depthwise卷积和Pointwise运算成本比较低空洞卷积反卷积上采样输出特征图尺寸的计算 Depthwise卷积和Pointwise运算成本比较低如何 ...
卷积的感受野计算及特征图尺寸计算
<卷积的感受野计算及特征图尺寸计算> 从FPN开始,目标检测的精度大幅提升,各种特征融合方式层出不穷,多尺度的特征一大优势是解决了小目标的检测问题.核心思想是利用浅层特征预测小目标,深 ...
空洞卷积感受野大小计算
空洞卷积感受野的计算空洞卷积感受野的大小分两种情况: (1)正常的空洞卷积: 若空洞卷积率为dilate rate 则感受野尺寸=(dilate rate-1)(k-1)+k ###### k为卷积 ...
卷积神经网络感受野计算指南
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达作者:Dang Ha The Hien 编译:ronghuaiya ...
学习笔记CB009:人工神经网络模型、手写数字识别、多层卷积网络、词向量、word2vec...
人工神经网络,借鉴生物神经网络工作原理数学模型. 由n个输入特征得出与输入特征几乎相同的n个结果,训练隐藏层得到意想不到信息.信息检索领域,模型训练合理排序模型,输入特征,文档质量.文档点击历史.文档 ...
神经网络中感受野的计算
什么是感受野 "感受野"的概念来源于生物神经科学,比如当我们的"感受器",比如我们的手受到刺激之后,会将刺激传输至中枢神经,但是并不是一个神经元就能够接受整个皮 ...
tensorflow多层卷积网络实现CNN文本分类
1.实验数据获取: 这里的实验数据是本人自己提取的,具体方式是: (大家可以根据自己喜好进行如下步骤) 1.选取3个不同类别的文本,每类500篇,共1500篇. 2.使用TF-IDF或词频等方式,从每 ...
卷积后feature map尺寸计算公式
像素宽度:W(Width) 填充大小:P(Padding) 卷积核大小:K(Kernel-size) 步长大小:S(stride) 卷积后所得feature map尺寸大小计算公式如下: 补充: 1. ...

多层卷积后感受野的计算

多层卷积后感受野的计算相关推荐

最新文章

热门文章