【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
最新推荐文章于 2025-05-15 17:20:27 发布
阅读量760 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习 深度学习 python 文章标签： CNN 感受野 python vgg alexnet
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。
本文链接：https://blog.youkuaiyun.com/github_36923418/article/details/92794951
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。

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

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
01-06
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 fn表示第n层卷积核大小 striden表示前n-1层stride乘积 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理解起来很简单多孔卷积，仅仅是为了增加感受野，参数不变 当dilation = 1时就和普通卷积一样 如果使用了dilation卷积相当于变大了，如下图所
感受野计算公式（附Python代码实现）
风的博客
08-20 1137
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
03-25 489
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
最新发布
Code_流苏：在代码中寻诗意，在实践中觅真知
05-15 557
《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！
《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
05-10 658
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。
VGGNet：深度与性能的探索
AI天才研究院
04-29 359
VGGNet：深度与性能的探索 1. 背景介绍 1.1 深度学习的兴起 近年来，深度学习在计算机视觉、自然语言处理、语音识别等领域取得了令人瞩目的成就。作为深度学习的核心技术之一，卷积神经网络(Convolutional N
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
pytorch复现网络AlexNet和VGG
夏日山间过
08-29 802
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...
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）
05-17 877
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
11-25 208
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
AlexNet和VGG，resnet的优势和缺点
03-24
<think>嗯，用户现在想了解AlexNet、VGG和ResNet的优势和缺点。我需要先回顾一下这些经典CNN模型的结构和特点，然后比较它们的优缺点。 首先，用户之前问过关于代码解析的问题，现在转向了模型比较，可能是在学习深度学习中的卷积神经网络，想要了解不同模型的演变。用户可能是学生或者刚入门的研究者，需要清晰的对比来帮助理解这些模型的差异。 接下来，我得分别分析每个模型。AlexNet是早期的成功模型，2012年ImageNet冠军，使用了ReLU和Dropout，但结构相对简单，参数量大，可能过拟合。VGG则通过小卷积堆叠加深网络，结构统一但参数量更大，计算成本高。ResNet引入了残差连接，解决了深层网络梯度消失的问题，允许训练非常深的网络，结构也更复杂。 要比较它们的优缺点，需要从网络深度、参数效率、创新点等方面展开。同时要注意用户可能需要知道为什么ResNet比VGG好，或者为什么这些模型会被后来的结构取代。可能还需要提到计算资源的需求，因为VGG参数量大，在实际应用中可能不高效。 另外，用户可能想知道这些模型的应用场景，比如AlexNet在早期图像分类的效果，VGG在特征提取上的优势，ResNet在深度上的突破。还要提到各自的缺点，比如AlexNet的过拟合问题，VGG的计算成本，ResNet虽然深但可能在某些情况下冗余。 需要确保用中文解释清楚，结构清晰，分点列出优缺点，可能用表格对比更直观。同时，要避免使用太多专业术语，或者如果使用的话，要简单解释一下，比如残差连接、梯度消失等概念。 最后，总结它们的演变，说明如何互相改进，以及后续的影响，比如ResNet对后续模型如DenseNet的启发。这样用户能有一个整体的认识，理解为什么这些模型在深度学习发展中重要。</think>以下是AlexNet、VGG和ResNet的对比分析，按技术演进顺序展开： --- ### **1. AlexNet (2012)** **🔍 核心创新** - 首个成功实践GPU加速的CNN（ImageNet 2012冠军） - 使用ReLU激活函数替代Sigmoid（缓解梯度消失） - 提出Dropout正则化（在FC层应用） **✅ 优势** ```python # 结构示例（简化版） nn.Sequential( nn.Conv2d(3,96,kernel_size=11,stride=4), # 大卷积核捕捉全局特征 nn.MaxPool2d(3,2), nn.Conv2d(96,256,kernel_size=5,padding=2), nn.MaxPool2d(3,2), nn.Conv2d(256,384,kernel_size=3,padding=1), nn.Conv2d(384,384,kernel_size=3,padding=1), nn.Conv2d(384,256,kernel_size=3,padding=1), nn.MaxPool2d(3,2), nn.Flatten(), nn.Linear(9216,4096), # 参数量爆炸点 nn.Dropout(0.5), nn.Linear(4096,4096), nn.Dropout(0.5), nn.Linear(4096,1000) ) ``` - 突破传统方法的性能瓶颈 - 奠定CNN基础设计范式 **❌ 缺点** - 参数量过大（如FC层占模型总参数量的95%+） - 大卷积核（11x11）导致计算效率低 - 网络深度有限（仅8层） --- ### **2. VGGNet (2014)** **🔍 核心创新** - 统一使用3x3小卷积核堆叠（参数量更少，感受野等效大卷积核） - 标准化网络结构（VGG16/VGG19） **✅ 优势** $$ \text{参数量优化} = \frac{(3\times3\times C_{in}\times C_{out})}{(5\times5\times C_{in}\times C_{out})} = \frac{9}{25} $$ - 更深的网络（16-19层）提升特征抽象能力 - 小卷积核堆叠实现高效局部特征提取 **❌ 缺点** ```python # VGG16参数量计算（部分层） Conv2d(3,64,kernel_size=3,padding=1): 3*3*3*64 = 1,728 Conv2d(64,64,kernel_size=3,padding=1): 3*3*64*64 = 36,864 ... Linear(4096,4096): 4096*4096 = 16,777,216 # 仍存在FC层参数冗余 ``` - 参数量仍较大（VGG16约1.38亿参数） - 深层网络梯度消失问题未解决 - 计算成本高（FLOPs是AlexNet的3倍） --- ### **3. ResNet (2015)** **🔍 核心创新** - 提出残差连接（Residual Connection） $$ \text{输出} = F(x) + x $$ - 使用Bottleneck结构（1x1卷积降维/升维） **✅ 优势** ```python # 残差块结构（PyTorch实现） class ResidualBlock(nn.Module): def __init__(self, in_channels, out_channels, stride=1): super().__init__() self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1) self.bn1 = nn.BatchNorm2d(out_channels) self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, padding=1) self.bn2 = nn.BatchNorm2d(out_channels) self.shortcut = nn.Sequential() if stride !=1 or in_channels != out_channels: self.shortcut = nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=stride), nn.BatchNorm2d(out_channels) ) def forward(self, x): out = F.relu(self.bn1(self.conv1(x))) out = self.bn2(self.conv2(out)) out += self.shortcut(x) # 残差连接 return F.relu(out) ``` - 解决深度网络梯度消失问题（可训练1000+层网络） - 参数量显著优化（ResNet50仅约2500万参数） - 性能显著提升（ImageNet top-5错误率3.57%） **❌ 缺点** - 残差连接引入恒等映射可能造成信息冗余 - 极端深度时出现特征"稀释"现象（后被DenseNet改进） --- ### **📊 对比总结** | 指标 | AlexNet | VGG | ResNet | |-------------|------------------|------------------|------------------| | **深度** | 8层 | 16-19层 | 18-152层（可扩展至1000+） | | **参数量** | ~6000万 | ~1.38亿（VGG16） | ~2500万（ResNet50）| | **创新点** | ReLU/Dropout | 小卷积核堆叠 | 残差连接 | | **训练难度**| 易过拟合 | 梯度消失 | 稳定训练深度网络 | | **计算效率**| 较低（大卷积核） | 低（全连接冗余） | 高（Bottleneck设计）| --- ### **🔧 技术演进启示** 1. **AlexNet → VGG**：通过小卷积核堆叠实现更深网络，但未解决梯度问题 2. **VGG → ResNet**：残差连接突破深度限制，BatchNorm提升训练稳定性 3. **后续发展**：ResNet启发了DenseNet（密集连接）、ResNeXt（分组卷积）等变体 这些模型体现了CNN设计的核心思路演变：从追求特征提取效率（AlexNet/VGG）到解决深度训练难题（ResNet），最终实现精度与效率的平衡。
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