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

这里写图片描述

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:
这里写图片描述
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

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