Deep learning 深度学习中的接受域大小和对象大小

我可以为VGGNet计算500 x 500输入图像的感受野大小

感受野大小如下

Layer Name = conv1, Output size = 500, Stride =   1, RF size =   3
Layer Name = relu1_1, Output size = 500, Stride =   1, RF size =   3
Layer Name = conv1_2, Output size = 500, Stride =   1, RF size =   5
Layer Name = relu1_2, Output size = 500, Stride =   1, RF size =   5
Layer Name = pool1, Output size = 250, Stride =   2, RF size =   6
Layer Name = conv2_1, Output size = 250, Stride =   2, RF size =  10
Layer Name = relu2_1, Output size = 250, Stride =   2, RF size =  10
Layer Name = conv2_2, Output size = 250, Stride =   2, RF size =  14
Layer Name = relu2_2, Output size = 250, Stride =   2, RF size =  14
Layer Name = pool2, Output size = 125, Stride =   4, RF size =  16
Layer Name = conv3_1, Output size = 125, Stride =   4, RF size =  24
Layer Name = relu3_1, Output size = 125, Stride =   4, RF size =  24
Layer Name = conv3_2, Output size = 125, Stride =   4, RF size =  32
Layer Name = relu3_2, Output size = 125, Stride =   4, RF size =  32
Layer Name = conv3_3, Output size = 125, Stride =   4, RF size =  40
Layer Name = relu3_3, Output size = 125, Stride =   4, RF size =  40
Layer Name = pool3, Output size =  62, Stride =   8, RF size =  44
Layer Name = conv4_1, Output size =  62, Stride =   8, RF size =  60
Layer Name = relu4_1, Output size =  62, Stride =   8, RF size =  60
Layer Name = conv4_2, Output size =  62, Stride =   8, RF size =  76
Layer Name = relu4_2, Output size =  62, Stride =   8, RF size =  76
Layer Name = conv4_3, Output size =  62, Stride =   8, RF size =  92
Layer Name = relu4_3, Output size =  62, Stride =   8, RF size =  92
Layer Name = pool4, Output size =  31, Stride =  16, RF size = 100
Layer Name = conv5_1, Output size =  31, Stride =  16, RF size = 132
Layer Name = relu5_1, Output size =  31, Stride =  16, RF size = 132
Layer Name = conv5_2, Output size =  31, Stride =  16, RF size = 164
Layer Name = relu5_2, Output size =  31, Stride =  16, RF size = 164
Layer Name = conv5_3, Output size =  31, Stride =  16, RF size = 196
Layer Name = relu5_3, Output size =  31, Stride =  16, RF size = 196

我只看了高达5_3的照片

例如，如果对象大小为150 x 150，图像大小为500 x 500

我可以说，从conv1到conv4_2的早期图层的特征贴图只包含我的对象的部分特征，从conv5_2到conv5_3，它们包含几乎整个对象的特征

我的考虑是真的吗

但在conv5_3上，我的输出大小仅为31 x 31，因此我无法想象它如何表示图像中的整个对象，但conv5_3层中的每个像素表示原始500 x 500图像的196 x 196大小

我的考虑是真的吗？

理论上。。。 我可以说，从conv1到conv4_2的早期图层的特征贴图只包含我的对象的部分特征，从conv5_2到conv5_3，它们包含几乎整个对象的特征。我的考虑是真的吗

对!！您甚至计算了自己的感受野（在CNN的情况下，是图像中的像素，理论上可以影响特征图中一个单元格的值）

但在conv5_3上，我的输出大小仅为31 x 31，因此我无法想象它如何表示图像中的整个对象，但conv5_3层中的每个像素表示原始500 x 500图像的196 x 196大小。我的考虑是真的吗

对!！但别忘了，尽管功能图的大小只有31x31，但功能的步幅是16。因此，

conv5_3

feature map的每个单元格表示图像中的一个区域196x196（请记住，如果“输入窗口”不适合图像内部，“输入窗口”的其余部分将为黑色，例如填充为零），并且彼此之间的跨距为16x16。因此，31x31功能图仍然完全捕获图像（只是步幅很大）

---

实际上。。。 好的，上面我们讨论的是理论感受野，即图像中概率大于0的像素影响特征图中的一个细胞（或像素）（在这种情况下为31x31）。然而，在实践中，这在很大程度上取决于卷积核的权重

看一看CNN的有效感受野（ERF）（或者，如果您有足够的时间，请直接访问）

理论上，当你堆叠更多的层时，你可以线性地增加你的感受野，然而，在实践中，事情并不像我们想象的那样简单：感受野中的所有像素对输出单元的响应的贡献并不相等

更有趣的是，这种感受野是动态的，在训练过程中会发生变化。这对反向传播的影响是，与边界像素相比，中心像素将具有更大的梯度幅度

以下是代表ERF的文件中的一些数字：

正如你所看到的，感受野根本没有覆盖整个贴片！因此，如果

conv5_3

的ERF远小于196x196，不要感到惊讶

---

也。。。 除了感受野的大小，基本上是说“特征图上的这个细胞压缩了图像中这个区域的有价值的数据”，你还需要这些特征足够的表达能力。因此，在谷歌上查看或搜索“vgg可视化”，对功能本身的表达能力有一些直觉