CNN中感受野大小的计算

参考资料：
卷积神经网络物体检测之感受野大小计算 - machineLearning - 博客园
https://www.cnblogs.com/objectDetect/p/5947169.html
CNN 感受野计算公式 - 简书
https://www.jianshu.com/p/e875117e5372

将输入图片记为第0层，其后的卷积层和池化层对RF（receptive field）有影响，且只有kernel size和stride有影响，RF计算公式为

其中RFn为当前层的感受野大小，RFn-1为上一层感受野大小，kernelsize为当前层卷积核大小，stride为之前所有层的stride的乘积。当n=0时RF=1。可用递归或者循环实现。

举例：

则对应的计算方法为
RF0 = 1
RF1 = RF0 + (3-1) = 3
RF2 = RF1 + (2-1)*1 = 4
RF3 = RF2 + (3-1)*1*2 = 8
RF4 = RF3 + (2-1)*1*2*1 = 10
RF5 = RF4 + (3-1)*1*2*1*2 = 18
RF6 = RF5 + (3-1)*1*2*1*2*1 = 26
RF7 = RF6 + (2-1)*1*2*1*2*1*1 = 30