关于dilated convolution(空洞卷积)感受野的计算

关于感受野的定义请参考：https://www.jianshu.com/p/2b968e7a1715

• 定义：感受野用来表示网络内部的不同神经元对原图像的感受范围的大小，或者说，convNets(cnn)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。

 

计算公式:

      从前往后： F后 = （F前 - 1） + k    (F代表感受野的大小，  k代表kernel大小)

      从后往前： F前 = （F后 - 1） + k    (F代表感受野的大小，  k代表kernel大小)

感受野的计算，从前往后，和从后往前，结果都是一样的。 这里给大家展示：

       从前往后：  

                     总共有三层：1,2,3,

                              第一层的感受野为1，

                              第二层的感受野为（1 - 1） + 3 = 3

                              第三层的感受野为（3 - 1） + 3 = 5

       从后往前：  

                     从后往前计算，比较麻烦，这里值计算最后一层，

                               第三层的当前感受野为3，

                               在第二层的感受野为（3 - 1） + 3 = 5   为第三层的感受野

 

 

dilated convolution 感受野的计算：

1~8层，  空洞的大小为{1,1,2,4,8,16,1,1}

论文中提出的是从前往后计算，解释前四个，

1层   3

2层 （3 - 1） + 3 = 5

3层 （5 - 1） + （2×2 + 1）= 9    红色代表空洞  换线部分达标计算空洞卷积核的大小

4层 （9 - 1） + （4*2 + 1）= 17

。。。。。。。

 

我自己手动算了从后往前的计算：

  需要先计算出最后一层，再计算倒数第二层：

  计算最后一层：

       

得到最后一层为67，前面的数字代表层的感受野，局部的

 

倒数第二层的感受野：

  公式  F后 =  (F前 - 1) + K  此时K代表前一层层的空洞卷积的大小   

    F前 = F后 - 1 + 1 

  因此  倒数第二层的感受野为：67 - 1 + 1 = 67

 

倒数第三层的感受野：

     67 -  3 + 1 = 65

倒数第四层的感受野：

    65 - (16*2 + 1) + 1 = 33

。。。。。

 

完毕，错误的地方 还请指正！！！

仅供参考.