美文网首页
Receptive field in CNNs

Receptive field in CNNs

作者: 醒醒去睡吧 | 来源:发表于2018-10-26 00:00 被阅读0次

    建议先阅读A guide to convolution arithmetic for deep learning 论文笔记

    感受野(receptive field):卷积网络中某非输入层的feature map中的神经元(像素点)映射到输入feature map上的区域大小。
    The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at (i.e. be affected by).

    一个感受野可以用中心位置(center location)和大小(size)来表征。然而,对于一个CNN特征来说,感受野中的每个像素值(pixel)并不是同等重要。一个像素点越接近感受野中心,它对输出特征的计算所起作用越大。这意味着某一个特征不仅仅是受限在输入图片中某个特定的区域(感受野),并且呈指数级聚焦在区域的中心。

    Receptive Field Arithmetic 感受野计算公式

    r: receptive field size
    j: the distance between two adjacent features (or jump)
    start: the center coordinate of the upper left feature (the first feature)
    j_{out}=j_{in}*s
    r_{out}=i_{in}+(k-1)*j_{in}
    start_{out}=start_{in}+(\frac{k-1}{s}-p)*j_{in}

    使用感受野公式计算感受野信息

    附文

    另外有一个博客(Calculating Receptive Field of CNN)给出一个更简洁的计算公式,对于第k层的感受野大小计算如下:
    l_k=l_{k-1}+((f_k-1)*\prod_{i=1}^{k-1}s_i)
    l_k: 第k层感受野大小
    f_k: 第k层的卷积核大小
    s_i: 第i层的步长
    其实这个公式算是整合了前面的公式1和公式2,两个本质上是一致的,不过如果你仅想计算感受野大小可以用这个公式更方便。

    Reference:

    1. A guide to receptive field arithmetic for Convolutional Neural Networks
    2. 你知道如何计算CNN感受野吗?这里有一份详细指南

    相关文章

      网友评论

          本文标题:Receptive field in CNNs

          本文链接:https://www.haomeiwen.com/subject/ebldzftx.html