【CNN感受野计算】python 示例含盖 vgg alexnet rtpose等

最新推荐文章于 2025-05-15 17:20:27 发布
原创 最新推荐文章于 2025-05-15 17:20:27 发布 · 779 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#CNN #感受野 #python #vgg #alexnet

博客主要介绍了感受野的计算方法。以多层卷积层为例，详细说明了每层感受野大小的计算过程，如第一层感受野为卷积核大小，后续层根据前层感受野和当前层卷积核、步长计算。还提到pool层按卷积层同理计算，并给出了计算感受野的公式，最后涉及Python代码实现。

一、感受野

      layer 1 ： kernel size：3*3 stride：1

      layer2 ：kernel size：3*3 stride：1

      第一层的感受野就是卷积核大小 3*3 ，第二层感受野是5*5

      这个也比较好理解，对于第一层计算之后的feature map而言，每一个pixel都对应了layer1的input的3*3大小的区域；

      第二层的输出也是同理，但是第二层的输入本身携带了3*3的感受野，那么在第二层这个3*3的最中心那个位置就是上一次感受野的区域结果，相当于向外扩展（上下左右）了1个pixel，因此为5*5

      如果这个时候，再来一个layer3：kernel size：5*5 stride：2

      再来个layer4：kernel size：3*3 stride：1

      那么此时第三层的感受野就是5+（5-1）*1=9，第四层为9+（3-1）*2=13

      ***pool层也按照卷积层同理计算就行了

二、公式

                                             

                   其中l_k-1是第k-1层的感受野大小，而f_k是当前层的卷积核大小，s_i是第i层的步长。

三、python代码

alexnet=[
    [[3, 96, 11, 4, 0],
    [3,2,0],
    [96, 256, 5, 1, 2],
    [3,2,0],
    [256,384, 3, 1, 1],
    [384,384, 3, 1, 1],
    [384,256, 3, 1, 1],
    [3,2,0]]


]
vgg16=[
    [[3, 64, 3, 1, 1],
     [64, 64, 3, 1, 1],
    [2,2,0],
    [64, 128, 3, 1, 1],
[128, 128, 3, 1, 1],
    [2,2,0],
    [128,256, 3, 1, 1],
[256,256, 3, 1, 1],
[256,256, 3, 1, 1],
[2,2,0],
[256,512, 3, 1, 1],
[512,512, 3, 1, 1],
[512,512, 3, 1, 1],
[2,2,0],
[512,512, 3, 1, 1],
[512,512, 3, 1, 1],
[512,512, 3, 1, 1],
[2,2,0]]
]
net = [[ [3, 64, 3, 1, 1],
               [64, 64, 3, 1, 1],
               [2, 2, 0],
               [64, 128, 3, 1, 1],
               [128, 128, 3, 1, 1],
               [2, 2, 0],
               [128, 256, 3, 1, 1],
               [256, 256, 3, 1, 1],
               [256, 256, 3, 1, 1],
               [256, 256, 3, 1, 1],
               [2, 2, 0],
               [256, 512, 3, 1, 1],
               [512, 512, 3, 1, 1],
               [512, 256, 3, 1, 1],
               [256, 128, 3, 1, 1]]]

net.append( [[128, 128, 3, 1, 1],
                      [128, 128, 3, 1, 1],
                      [128, 128, 3, 1, 1],
                      [128, 512, 1, 1, 0],
                      [512, 38, 1, 1, 0]])

for i in range(2, 7):
    net.append([
        [185, 128, 7, 1, 3],
        [128, 128, 7, 1, 3],
        [128, 128, 7, 1, 3],
         [128, 128, 7, 1, 3],
        [128, 128, 7, 1, 3],
        [128, 128, 1, 1, 0],
        [128, 38, 1, 1, 0]
    ])

#！！！！！这里的rf_k_1每次根据需要的网络换成第一层的卷积核大小！！！！！！
stride_all_k_1=1
rf_k_1=3
flag=0
count=0
net_to_caculated=vgg16
for stage in range(len(net_to_caculated)):
    #print(net[stage])
    print("stage: ",stage)
    for layer in net_to_caculated[stage]:
        if flag==0:
            if len(layer)==5:
                rf=rf_k_1
                stride_all_k_1=stride_all_k_1*layer[3]
            else:
                rf = rf_k_1
                stride_all_k_1 = stride_all_k_1 * layer[1]
            flag=1
        else:
            if len(layer) == 5:
                rf=rf_k_1+(layer[2]-1)*stride_all_k_1
                stride_all_k_1=stride_all_k_1*layer[3]
            else:
                rf = rf_k_1 + (layer[0] - 1) * stride_all_k_1
                stride_all_k_1 = stride_all_k_1 * layer[1]
            rf_k_1=rf
        print("layer ",count," receptive field: ",rf)
    print("stage ",stage," receptive field:",rf)

 

计算机视觉卷积神经网络CNN架构设计指南：如何构建高效的视觉模型？
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
04-20 11万+
计算机视觉CNN架构设计指南：如何构建高效的视觉模型？人工智能、大模型、AI、计算机视觉领域，卷积神经网络（Convolutional Neural Network，CNN）已成为主导性的模型架构。从图像分类到目标检测，从语义分割到图像生成，CNN 展现出了强大的性能。构建一个高效的 CNN 视觉模型，不仅需要对其基本原理有深入理解，还需要掌握一系列架构设计技巧。本文将详细探讨如何构建高效的 CNN 视觉模型，涵盖从基础概念到复杂架构设计的各个方面，并通过丰富的代码示例帮助读者更好地理解和实践。
计算机视觉目标检测算法对比：R-CNN、YOLO与SSD全面解析
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
04-21 11万+
计算机视觉目标检测算法对比：R-CNN、YOLO与SSD全面解析，人工智能、AI、计算机视觉领域中，目标检测是一项至关重要的任务，其旨在识别图像或视频中感兴趣的目标物体，并确定它们的位置。从安防监控中的人员检测，到自动驾驶中的行人、车辆识别，目标检测技术都有着广泛的应用。在众多目标检测算法中，R-CNN、YOLO 和 SSD 具有代表性，它们各自有着独特的设计理念和技术路线，在不同场景下展现出不同的性能表现。本文将深入剖析这三种算法，通过原理阐述、性能对比以及代码示例，帮助读者全面理解它们的特点与差异。
Dilated Convolution和普通感受野计算的python实现
xiaoxu1025的专栏
02-19 742
感受野的计算公式如下： r1=1,strides=1 rn = rn-1 + (fn - 1)*strides rn表示第n层的感受野 striden = strides= stride1*stride2*...*striden-1 这里对Dilated/Atrous Convolution的感受野计算也进行下实现 其实Dilated/Atrous Convolution理解起来...
pytorch复现网络AlexNet和VGG
夏日山间过
08-29 827
下图是AlexNet的网络结构 由上图可见，AlexNet有５个卷积层，然后紧跟着３个全连接层。简图如下图 采用的激活函数是ReLU,激活函数表达式是f(x)=max(0,x) 如上图所示，AlexNet在每个全连接层后都加上了dropout层。减少过拟合。dropout层以一定的概率随机关闭当前层中神经元激活值。 dropout层，不同的神经元组合被关闭，代表着不同的结构，所有这些不同的...
感受野计算公式（附Python代码实现）
风的博客
08-20 1202
感受野是什么？知乎有一篇写的不错，供参考： https://zhuanlan.zhihu.com/p/31004121 但作者用MATLAB代码实现的，我用Python实现另一个感受野的计算公式： 代码： s_0 = 1 kernal_size = [3,3,3] # 自己输入每一层的卷积核大小 stride = [1,2,2,1] # 第一个数字固定为1，真正的s从第二个数字开始（自己输入每一层的步长） RF = 1 def times(s): c = 1 for i i..
感受野计算
xyz2107605729的博客
03-25 510
感受野 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) 感受野被定义为，CNN的某个特征查看输入空间中的区域（即受影响的区域） 感受野计算 (1) nout=⌊nin+2p−k2...
《Python星球日记》 第79天：图像分类与 CNN
Code_流苏：在代码中寻诗意，在实践中觅真知
05-15 784
《Python星球日记》 第79天：图像分类与 CNN，今天我们将深入计算机视觉的核心任务之一——图像分类，并学习使用卷积神经网络(CNN)来解决这类问题。无论是识别照片中的物体、医学图像诊断还是自动驾驶视觉系统，图像分类都是现代AI应用的基础。让我们一起踏上这段精彩的旅程吧！
聊一聊CNN中的感受野、优化函数、激活函数、Loss函数等
zshluckydogs的博客
05-24 1884
提纲： 1、感受野 2、优化函数 sgd adam rmspop。。。。 3、activation ReLU LeakyReLU 等 4、padding计算方式，卷积后尺寸
《Python星球日记》 第53天：卷积神经网络（CNN）入门
Code_流苏：在代码中寻诗意，在实践中觅真知
05-10 857
欢迎来到Python星球的第53天！🪐，今天我们将探索深度学习中最重要的架构之一——卷积神经网络（CNN）。CNN在计算机视觉领域取得了革命性的突破，让机器能够"看懂"图像。
ALEXNET的实现代码
10-31
根据validate_alexnet_on_imagenet.ipynb的内容即可实现
基于python的vgg网络学习，很基础但又包含图像识别的所有模块
04-24
内含有minist数据集，同时拥有基于python编程的vgg网络，涵盖数据的预处理（初始化，白化，中心化以及其他预处理），模型构建，模型测试，涵盖了整个vgg网络m所有部分，提供大家学习。 内部代码均为可编辑代码，同时还有cnnnet的各类处理代码，均为学习vgg服务。 个人觉得学懂一个网络所有的也就融会贯通
使用tensorflow实现AlexNet
09-21
主要为大家详细介绍了使用tensorflow实现AlexNet，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
动手学深度学习(PyTorch实现)(八)–AlexNet模型
01-06
AlexNet模型1. AlexNet模型介绍1.1 AlexNet的特点1.2 AlexNet的结构1.3 AlexNet参数数量2. AlexNet的PyTorch实现2.1 导入相应的包2.2 构建AlexNet网络2.3 加载数据集2.4 训练网络 1. AlexNet模型介绍 由于受到计算机性能的影响，虽然LeNet在图像分类中取得了较好的成绩，但是并没有引起很多的关注。 直到2012年，Alex等人提出的AlexNet网络在ImageNet大赛上以远超第二名的成绩夺冠，卷积神经网络乃至深度学习重新引起了广泛的关注。AlexNet首次证明了学习到的特征可以超越⼿⼯设计的特征，从而⼀举
卷积神经网络中感受野的理解和计算
Never-Giveup的博客
10-29 1万+
参考 https://blog.youkuaiyun.com/qq_27825451/article/details/83302662 https://blog.youkuaiyun.com/program_developer/article/details/80958716 https://blog.youkuaiyun.com/SIGAI_优快云/article/details/80743475（卷积神经网络为什么有效） ...
CNN中感受野Receptive Field的计算
随风秀舞（diyoosjtu）
05-17 933
1. 感受野 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). 感受野是在输入空间内，CNN提取的特征的来源区域的大小。 感受野可以用其中心位置和尺寸来描述。 在一个感受野内，越靠近中...
alexnet进行判别
m0_50903443的博客
11-25 225
import os os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8' import time import json import torch import torchvision.transforms as transforms from PIL import Image from matplotlib import pyplot as plt import torchvision.models as models BASE_DIR = os
3. 模型搭建 能否给一个基于 VGG 的 CNN 模型构建示例
最新发布
06-12
<think>根据用户要求，我们需要构建一个基于VGG的CNN模型示例代码。VGG模型的特点是使用重复的小卷积核堆叠深度，典型结构包含多个卷积层后接池化层，最后连接全连接层。这里以VGG-16为例（16个权重层：13个卷积层+3个全连接层），注意实际实现中可能包含ReLU激活函数、Dropout层等。为方便用户理解，我们使用TensorFlow/Keras实现一个简化的VGG-16模型（实际VGG-16包含更多参数）。模型结构如下：1.两组2个3x3卷积层（64个滤波器）+2x2最大池化2.两组2个3x3卷积层（128->256滤波器）+2x2最大池化3.三组3个3x3卷积层（512滤波器）+2x2最大池化（每组后接一个池化层）4.3个全连接层（4096,4096,1000）最后使用softmax注意：输入图像通常为224x224x3（RGB），但实际应用中可以调整。全连接层之前需要将特征图展平（Flatten层）。由于完整的VGG-16参数过多（约1.38亿参数），示例代码仅展示结构，实际使用时建议用预训练模型（如`tf.keras.applications.VGG16`）。下面是自定义VGG-16的简化代码：```pythonfromtensorflow.kerasimportlayers,modelsdefbuild_vgg16(input_shape=(224,224,3),num_classes=1000):model=models.Sequential()#Block1:两个卷积层，64个滤波器model.add(layers.Conv2D(64,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;,input_shape=input_shape))model.add(layers.Conv2D(64,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;))model.add(layers.MaxPooling2D((2,2),strides=2))#Block2:两个卷积层，128个滤波器model.add(layers.Conv2D(128,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;))model.add(layers.Conv2D(128,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;))model.add(layers.MaxPooling2D((2,2),strides=2))#Block3:三个卷积层，256个滤波器for_inrange(3):model.add(layers.Conv2D(256,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;))model.add(layers.MaxPooling2D((2,2),strides=2))#Block4:三个卷积层，512个滤波器for_inrange(3):model.add(layers.Conv2D(512,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;))model.add(layers.MaxPooling2D((2,2),strides=2))#Block5:三个卷积层，512个滤波器for_inrange(3):model.add(layers.Conv2D(512,(3,3),padding=&#39;same&#39;,activation=&#39;relu&#39;))model.add(layers.MaxPooling2D((2,2),strides=2))#全连接层model.add(layers.Flatten())model.add(layers.Dense(4096,activation=&#39;relu&#39;))model.add(layers.Dropout(0.5))#原始VGG有Dropoutmodel.add(layers.Dense(4096,activation=&#39;relu&#39;))model.add(layers.Dropout(0.5))model.add(layers.Dense(num_classes,activation=&#39;softmax&#39;))returnmodel#构建模型实例model=build_vgg16(num_classes=1000)model.summary()#打印模型结构```注意事项：1.实际VGG-16在每个卷积层后都有ReLU激活函数。2.全连接层使用Dropout防止过拟合。3.该自定义模型参数数量庞大（>1亿），训练需要大量计算资源，建议在GPU环境下运行或使用迁移学习。如果用户数据类别不是1000，只需修改`num_classes`参数。对于不同大小的输入图像，需要调整`input_shape`（但VGG设计为224x224）。相关问题：1.如何加载预训练的VGG-16模型？2.VGG模型在训练时有哪些调优技巧？3.与ResNet等现代架构相比，VGG有什么优缺点？</think> ### 基于 VGG 的 CNN 模型构建示例 以下是使用 TensorFlow/Keras 实现简化版 VGG-16 模型的代码示例（完整版 VGG-16 包含 16 个权重层）： ```python from tensorflow.keras import layers, models def build_vgg(input_shape=(224, 224, 3), num_classes=1000): model = models.Sequential() # Block 1: 两个64通道的3x3卷积层 model.add(layers.Conv2D(64, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;, input_shape=input_shape)) model.add(layers.Conv2D(64, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.MaxPooling2D((2, 2), strides=2)) # Block 2: 两个128通道的3x3卷积层 model.add(layers.Conv2D(128, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(128, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.MaxPooling2D((2, 2), strides=2)) # Block 3: 三个256通道的3x3卷积层 model.add(layers.Conv2D(256, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(256, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(256, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.MaxPooling2D((2, 2), strides=2)) # Block 4: 三个512通道的3x3卷积层（VGG-16典型结构） model.add(layers.Conv2D(512, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(512, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(512, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.MaxPooling2D((2, 2), strides=2)) # Block 5: 三个512通道的3x3卷积层 model.add(layers.Conv2D(512, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(512, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.Conv2D(512, (3, 3), activation=&#39;relu&#39;, padding=&#39;same&#39;)) model.add(layers.MaxPooling2D((2, 2), strides=2)) # 全连接层部分 model.add(layers.Flatten()) model.add(layers.Dense(4096, activation=&#39;relu&#39;)) model.add(layers.Dropout(0.5)) model.add(layers.Dense(4096, activation=&#39;relu&#39;)) model.add(layers.Dropout(0.5)) model.add(layers.Dense(num_classes, activation=&#39;softmax&#39;)) return model # 构建模型（1000类分类任务） vgg_model = build_vgg(num_classes=1000) vgg_model.summary() ``` ### 关键实现细节： 1. **结构特点**： - 使用小尺寸$3\times3$卷积核堆叠替代大卷积核 - 每个卷积块后接$2\times2$最大池化层 - 网络深度显著增加（16个权重层） 2. **参数配置**： - 输入尺寸：$224\times224\times3$（RGB图像） - 卷积层：全部使用`padding=&#39;same&#39;`保持空间尺寸 - 激活函数：ReLU非线性激活 - 全连接层：包含Dropout正则化（防止过拟合）[^1] 3. **实际使用建议**： ```python # 加载预训练权重（避免从头训练） from tensorflow.keras.applications import VGG16 vgg = VGG16( weights=&#39;imagenet&#39;, # ImageNet预训练权重 input_shape=(224, 224, 3), include_top=False # 是否包含顶层分类器 ) # 自定义分类层 x = layers.Flatten()(vgg.output) x = layers.Dense(256, activation=&#39;relu&#39;)(x) predictions = layers.Dense(10, activation=&#39;softmax&#39;)(x) custom_model = models.Model(inputs=vgg.input, outputs=predictions) ``` ### VGG模型特性总结： 1. **深度优势**：通过增加网络深度提升特征提取能力（多个小卷积核等效于大感受野）[^1] 2. **参数效率**：$n$个$3\times3$卷积层的感受野等价于单个$(2n+1)\times(2n+1)$卷积层，但参数更少 3. **设计规则**：通道数从64开始，每经过池化层翻倍（$64 \to 128 \to 256 \to 512$） [^1]: VGG 模型验证了在图像识别任务中，增加网络深度可以显著提高模型的性能 [^2]: VGG-16 和 VGG-19 是最常用的变体
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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