Q1:感受野指什麼?
A1:(1)從局部理解:(上層->本層)感受野等價與卷積核尺寸。
(2)從全局理解:指輸出特徵層中一個點映射在原始輸入圖像中的區域。
Tips:通常感受野指全局理解。
Q2:如何計算一個點映射在原始圖像中的區域大小?
A2:(1)常規卷積核
首先需要理解輸出feature map大小的計算:其中P = padding, K = kernel_size, S = stride,
自頂向下計算:從輸出層反向推導一個點對應輸入層的feature map
通過上述公式只能推導出‘該層 的一個點’對應與‘其輸入層’的映射區域,若想找到該層此點在原始圖像的映射區域,需要依次迭代。
Tips:在反向推導時,網絡最終輸出層一個點的感受野 = 1。
舉個不在邊緣的點的栗子,其實你在其他地方也看的到(手動狗頭保命),你可以用上述公式驗證,驗證的過程中你就體會到快樂了!覺得這個栗子看膩了,可以手動試一下位於邊緣的點的計算。
(2)帶洞卷積(dilation convolutional)