神经网络感受野（receptive field）推到分析与计算（总结）

经典目标检测和最新目标跟踪都用到了RPN(region proposal network)，锚框(anchor)是RPN的基础，感受野(receptive field, RF)是anchor的基础。

在卷积神经网络中，感受野的定义是 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。

例如1：原始图像为 5 x 5 ，卷积核（Kernel Size）为 3 x 3 ，padding 为 1 ，stride为 2 ，依照此卷积规则，连续做两次卷积。熟悉卷积过程的朋友都知道第一次卷积结果是 3 x 3 大小的feature map，第二次卷积结果是 2 x 2 大小的feature map。整个过程如图所示：

 

 

如图所示，第一层卷积结束后，感受野是3*3。在第二层卷积结束了，感受野是7*7。