深度学习——感受野计算和输出图像大小计算（C++程序实现）

以VGG程序为例：

#include<iostream>
int main()
{
	using namespace std;
	int N_RF=1, S=256;  //S输入图像大小
	int layers[18][4] = { { 3, 3, 1,1 }, { 3, 3, 1 ,1}, { 2, 2, 2 }, { 3, 3, 1 ,1}, { 3, 3, 1,1 }, { 2, 2, 2 }, { 3, 3, 1 ,1}, { 3, 3, 1 ,1}, { 3, 3, 1,1 }, { 2, 2, 2 }, { 3, 3, 1,1 }, { 3, 3, 1 ,1}, { 3, 3, 1,1 }, { 2, 2, 2 }, { 3, 3, 1,1 }, { 3, 3, 1 ,1}, { 3, 3, 1 ,1 }, { 2, 2, 2 } };
//感受野计算
	for (int i = 17; i >=0;i--)
		N_RF = (N_RF - 1)* layers[i][2] + layers[i][0];       
//输出图像大小计算 
    for (int i = 0; i <17; i++)
		S = (S - layers[i][0] + 2*layers[i][3]) /layers[i][2] + 1;
	cout <<  N_RF <<','<< S << endl;
	cin.get();
	return 0;
}

输出结果：212，16

注：{ 3, 3, 1,1 }代表核3*3，stride为1，padding为1；

 for (int i = 17; i >=0;i--)，解释：感受野计算的要点是从后往前推，及从输出来逐步往前计算感受野；

N_RF为感受野，S为输出图像大小。