點擊上方“程序員大白”，選擇“星標”公眾號

重磅干貨，第一時間送達

什么是感受野

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).
—— A guide to receptive field arithmetic for Convolutional Neural Networks

感受野（Receptive Field），指的是神經(jīng)網(wǎng)絡(luò)中神經(jīng)元“看到的”輸入?yún)^(qū)域，在卷積神經(jīng)網(wǎng)絡(luò)中，feature map上某個元素的計算受輸入圖像上某個區(qū)域的影響，這個區(qū)域即該元素的感受野。

卷積神經(jīng)網(wǎng)絡(luò)中，越深層的神經(jīng)元看到的輸入?yún)^(qū)域越大，如下圖所示，kernel size 均為3×3，stride均為1，綠色標記的是Layer2每個神經(jīng)元看到的區(qū)域，黃色標記的是Layer3 看到的區(qū)域，具體地，Layer2每個神經(jīng)元可看到Layer1上3×3 大小的區(qū)域，Layer3 每個神經(jīng)元看到Layer2 上3×3 大小的區(qū)域，該區(qū)域可以又看到Layer1上5×5 大小的區(qū)域。

https://www.researchgate.net/publication/316950618_Maritime_Semantic_Labeling_of_Optical_Remote_Sens

所以，感受野是個相對概念，某層feature map上的元素看到前面不同層上的區(qū)域范圍是不同的，通常在不特殊指定的情況下，感受野指的是看到輸入圖像上的區(qū)域。

為了具體計算感受野，這里借鑒視覺系統(tǒng)中的概念：

receptive field=center+surround

準確計算感受野，需要回答兩個子問，即視野中心在哪和視野范圍多大。

只有看到”合適范圍的信息”才可能做出正確的判斷，否則就可能“盲人摸象”或者“一覽眾山小”；

目標識別問題中，我們需要知道神經(jīng)元看到是哪個區(qū)域，才能合理推斷物體在哪以及判斷是什么物體。

但是，網(wǎng)絡(luò)架構(gòu)多種多樣，每層的參數(shù)配置也不盡相同，感受野具體該怎么計算？

約定

在正式計算之前，先對數(shù)學符號做如下約定：

https://medium.com/mlreview/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807

k：kernel size

p：padding size

s：stride size

Layer：用Layer表示feature map，特別地，Layer0為輸入圖像；

Conv：用Conv表示卷積，k、p、s為卷積層的超參數(shù)，Convl的輸入和輸出分別為Layerl?1和Layerl+1；

n：feature map size為n×n，這里假定height=width；

r：receptive field size為r×r，這里假定感受野為方形；

j：feature map上相鄰元素間的像素距離，即將feature map上的元素與輸入圖像Layer0 上感受野的中心對齊后，相鄰元素在輸入圖像上的像素距離，也可以理解為 feature map上前進1步相當于輸入圖像上前進多少個像素，如下圖所示，feature map上前進1步，相當于輸入圖像上前進2個像素，j=2；

https://github.com/vdumoulin/conv_arithmetic/blob/master/gif/padding_strides.gif

start：feature map左上角元素在輸入圖像上的感受野中心坐標(start,start)，即視野中心的坐標，在上圖中，左上角綠色塊感受野中心坐標為(0.5,0.5)，即左上角藍色塊中心的坐標，左上角白色虛線塊中心的坐標為(?0.5,?0.5)；

l：l表示層，卷積層為Convl，其輸入feature map為Layerl?1，輸出為Layerl。

下面假定所有層均為卷積層。

感受野大小

感受野大小的計算是個遞推公式。

再看上面的動圖，如果feature map??上的一個元素A看到feature map?Layer1 上的范圍為3×3（圖中綠色塊），其大小等于kernel size k2，所以，A看到的感受野范圍r2等價于Layer1上3×3窗口看到的Layer0 范圍，據(jù)此可以建立起相鄰Layer感受野的關(guān)系，如下所示，其中rl為Layerl的感受野，rl?1為?Layerl?1 的感受野，

Layerl 一個元素的感受野rl等價于Layerl?1 上k×k個感受野的疊加；

Layerl?1 上一個元素的感受野為rl?1；

Layerl?1 上連續(xù)k個元素的感受野可以看成是，第1個元素看到的感受野加上剩余k?1步掃過的范圍，Layerl?1 上每前進1個元素相當于在輸入圖像上前進jl?1個像素，結(jié)果等于rl?1+(k?1)×jl?1

可視化如下圖所示，

下面的問題是，jin怎么求？

Layerl?上前進1個元素相當于Layerl?1上前進sl個元素，轉(zhuǎn)換成像素單位為

其中，sl為Convl的kernel在 Layerl?1 上滑動的步長，輸入圖像的s0=1。

根據(jù)遞推公式可知，

Layerl上前進1個元素，相當于在輸入圖像前進了

個像素，即前面所有層stride的連乘。

進一步可得，Layerl的感受野大小為：

感受野中心

感受野中心的計算也是個遞推公式。

在上一節(jié)中計算得

，表示feature map Layerl上前進1個元素相當于在輸入圖像上前進的像素數(shù)目，如果將feature map上元素與感受野中心對齊，則jl為感受野中心之間的像素距離。如下圖所示，

其中，各層的kernel size、padding、stride超參數(shù)已在圖中標出，右側(cè)圖為feature map和感受野中心對齊后的結(jié)果。

相鄰Layer間，感受野中心的關(guān)系為：

所有的start坐標均相對于輸入圖像坐標系。其中，start0=(0.5,0.5)，為輸入圖像左上角像素的中心坐標，startl?1表示Layerl?1左上角元素的感受野中心坐標，(2kl?1?pl)為Layerl與Layerl?1感受野中心相對于Layerl?1坐標系的偏差，該偏差需折算到輸入圖像坐標系，其值需要乘上jl?1，即Layerl?1相鄰元素間的像素距離，相乘的結(jié)果為(2kl?1?pl)?jl?1，即感受野中心間的像素距離——相對輸入圖像坐標系。至此，相鄰Layer間感受野中心坐標間的關(guān)系就不難得出了，這個過程可視化如下。

知道了Layerl左上角元素的感受野中心坐標(startl,startl)，通過該層相鄰元素間的像素距離jl可以推算其他元素的感受野中心坐標。

小結(jié)

將感受野的相關(guān)計算小結(jié)一下：

由上面的遞推公式，就可以從前向后逐層計算感受野了，代碼可參見computeReceptiveField.py，在線可視化計算可參見Receptive Field Calculator。

最后，還有幾點需要注意：

Layerl的感受野大小與sl、pl無關(guān)，即當前feature map元素的感受野大小與該層相鄰元素間的像素距離無關(guān)；

為了簡化，通常將padding size設(shè)置為kernel的半徑，即p=2k?1，可得startl=startl?1，使得feature map Layerl 上(x,y)位置的元素，其感受野中心坐標為(xjl,yjl)；

對于空洞卷積dilated convolution，相當于改變了卷積核的尺寸，若含有 dilation rate參數(shù)，只需將kl替換為dilation rate?(kl?1)+1 ，dilation rate=1時為正常卷積；

對于pooling層，可將其當成特殊的卷積層，同樣存在kernel size、padding、stride參數(shù)；

非線性激活層為逐元素操作，不改變感受野。

以上。

參考資料

wiki-Receptive field

wiki-Receptive Field Calculator

arXiv-Understanding the Effective Receptive Field in Deep Convolutional Neural Networks

medium-A guide to receptive field arithmetic for Convolutional Neural Networks

medium-Topic DL03: Receptive Field in CNN and the Math behind it

ppt-Convolutional Feature Maps: Elements of Efficient (and Accurate) CNN-based Object Detection

SIGAI-關(guān)于感受野的總結(jié)

Calculating Receptive Field of CNN

推薦閱讀
13個你一定要知道的PyTorch特性
解讀：為什么要做特征歸一化/標準化？
一文搞懂 PyTorch 內(nèi)部機制
張一鳴：每個逆襲的年輕人，都具備的底層能力

關(guān)于程序員大白

程序員大白是一群哈工大，東北大學，西湖大學和上海交通大學的碩士博士運營維護的號，大家樂于分享高質(zhì)量文章，喜歡總結(jié)知識，歡迎關(guān)注[程序員大白]，大家一起學習進步！

收藏 |徹底搞懂感受野的含義與計算

什么是感受野

約定

感受野大小

感受野中心

小結(jié)

參考資料