感受野（receptive filed）

特征图上某个元素的计算要输入图像上某个区域内像素的参与

比如特征图上某个元素的计算需要输入图像上5*5区域内的像素参与

所以我们说这个特征图的感受野就是5*5，也就是说，感受野这个概念是针对特征图而言，一个特征图的感受野是多少。

举例：假设Layer1是原始图像，经过一个3*3的卷积得到一个3*3大小的特征图Layer2，这个特征图Layer2再经过一个3*3的卷积得到一个1*1大小的特征图Layer3。

Layer2这个特征图的感受野是3*3(因为需要原始图像即输入图像的3*3区域的像素参与计算才能得到Layer2特征图上的一个元素）

Layer3这个特征图的感受野是5*5（需要需要原始图像即输入图像的5*5区域的像素参与计算才能得到Layer3特征图上的一个元素）

显然：（1）在网络中，越深层的特征图其感受野往往更大

（2）感受野大小的计算是个递推公式

感受野（receptive filed）相关推荐

dynamic receptive filed adaptor
带来一个未开源项目, 优于FCOS:在One-Stage和Anchor-Free目标检测中以最小的成本实现最小的错位与基线FCOS(一种单阶段和无锚目标象检测模型)相比,新提出的模型在不同的主干上始 ...
感受野-Receptive Field的理解
之前在阅读yolov1的论文时,发现yolov1用到了Resnet,于是找到了Resnet论文,在研究Resnet的时候,发现自己对卷积的相关操作理解还不够深刻,于是研究卷积,发现其中一个比较重要的概 ...
深度学习之学习（1-2）感受野(receptive field)
参见:原始图片中的ROI如何映射到到feature map? - 知乎 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 ...
如何计算感受野(Receptive Field)
一.感受野的概念感受野指的是一个特定的 CNN 特征(特征图上的某个点)在输入空间所受影响的区域. 感受野计算时有下面的几个情况需要说明: a)第一层卷积层的输出特征图像素的感受野的大小等于滤波器的 ...
感受野(receptive field)
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CNN感受野(Receptive Field)的计算
参考如何计算感受野(Receptive Field)--原理 FOMORO AI -> 可视化计算感受野的网站,可以用来验证自己计算的结果 Python代码这里使用的是从后向前的计算方法,简 ...
什么是感受野 Receptive Field 感受野是什么意思
有一个人写的很好,放上他写的文章彻底搞懂感受野的含义与计算 - 知乎然后嘞,如果你点进去不想看,那你就适合看我写的哈哈比较浮躁,那就我来吧首先我们得知道感受野的英文名字哈洋气感受野 Rec ...
深度学习笔记~感受野(receptive field)的计算
以前对CNN中的感受野(receptive field)已经有了一些认识,基本上是从概念理解上得到的. 本篇文章给出了receptive field的计算过程和相应的python代码,对recepti ...
池化层(pooling layer) 感受野(Receptive Field) 神经网络的基本组成
目录 (1)本文涉及的函数 (2)池化层 (3)感受野 (4)代码示例(含注释) 承接上两篇博客:卷积层(空洞卷积对比普通卷积).激活函数层 (1)本文涉及的函数 import torch impor ...

感受野（receptive filed）

感受野（receptive filed）相关推荐

最新文章

热门文章