通俗易懂理解计算cnn中的感受野

本文通过直观的金字塔形式展示并详细解析了卷积神经网络(CNN)中感受野的概念及计算方法,帮助读者理解每一层元素如何携带原始信息进行传递,并介绍了正向计算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

通俗易懂理解计算cnn中的感受野

”市面上的解释“

直观来看就是下面这种金字塔状的形式。
链接1
在这里插入图片描述

计算起来推荐正向计算法,比较好理解。
链接2
在这里插入图片描述

分析

1、从最基本的来看,layor0经过一次“卷积”以后(layor1)。kernel有多大,感受野就是多大。
2、一个元素身上背负的所有原始元素(只是原始元素)共同造就了一个新的元素,接下来卷积过程中,他将带着这些原始元素一起出发到下一层。

3、在下一层卷积的过程中,同样是kernel是多大,就有多少个伪感受野。

只不过这些是背负原始使命的元素,因此我们要计算的真正的感受野就是在这一层(layor2)中背负的感受的个数。
在这里插入图片描述

计算的技巧:
(1)首先是前一层的感受野大小
在这里插入图片描述

(2)对于后面这层就涉及到所有的stride乘积大小,也就是相邻两个特征在原始数据中的间隔。
在这里插入图片描述

然后就得到了这一层的感受野:3+(3-1)*2。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值