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）