感受野概述
一.定义
感受野定义为卷积神经网络的特征可以看到输入图像的区域。换句话说，特征的输出受到感受野中像素的影响。
比如下图所示(为方便起见将二维简化为一维)，这种三层神经卷积神经网络每层的卷积核为_ = 3。，= 1，则最顶端特征对应的感受野为如图所示的7x7。
二、计算方法
1层[1]的感受野
第二层的特点是感受野为5。
第二层感受野[1]
第三层的特点是感受野为7。
第三层感受野[1]
如果有扩张的conv，计算公式为
第三，走上一段楼梯
上面描述的是理论感受野，特征的有效感受野(实际有效感受野)实际上比理论感受野小很多，如下图所示。具体的数学分析比较复杂，就不赘述了。如果有兴趣，请参考论文[2]。
有效感受野的例子[2]
两层3x3 conv计算流程图
第四，应用
分类
曹旭东撰写了一篇名为《设计极深度卷积神经网络的实用理论》的技术报告，其中提到，在设计基于深度卷积神经网络的图像分类器时，需要满足两个条件才能保证良好的结果:
首先，对于每个卷积层，应该保证其学习更复杂模式的能力；其次，最顶层的感受野不应大于图像区域。
第二个条件是卷积神经网络最高层网络的特征感受野大小的限制。
目标检测
现在流行的目标检测网络大多是基于anchor的，比如SSD系列，v2之后的yolo，更快的rcnn系列。
基于锚点的目标检测网络会预设一组不同大小的锚点，比如32x32，64x64，128x128，256x256。这么多主播，应该放在哪一层？这时，场地的大小是一个重要的考虑因素。
锚层的特征感受野应该与锚的大小相匹配。感受野比锚大太多不好，太小也不好。如果你觉得野的比主播小很多，那就好比只给你一只脚告诉你这是什么鸟。如果你觉得野的比主播大很多，就好比给你一张世界地图，让你指出故宫在哪里。
论文《S3FD:单镜头尺度不变人脸检测器》就是根据感受野设计锚点大小的例子。文中原话如下
我们根据有效感受野设计锚量表
人脸盒子:高精度的CPU实时人脸检测器在设计多尺度锚时基于相同的感受野。本文的一个贡献是
我们介绍了多尺度卷积层
(MSCL)通过丰盈来处理各种面部比例
感受野和层上的离散锚
引用:
[1]卷积神经网络
[2]理解深度卷积神经网络中的有效感受野
推荐阅读:
关注SIGAICN微信官方账号，回复文章获取代码，即可获取全文链接。
【1】机器学习——波澜壮阔的40年收购代码SIGAI0413。
【2】学好机器学习需要哪些数学知识？采集代码SIGAI0417。
[3]人脸识别算法进化史采集代码SIGAI0420。
[4]基于深度学习的目标检测算法综述。
【5】为什么卷积神经网络可以主导计算机视觉领域？获取代码SIGAI0426。
[6]用一张图理解SVM的上下文获取代码SIGAI0428。
[7]人脸检测算法概述。采集代码SIGAI0503。
【8】了解神经网络的激活函数采集码SIGAI0505。
[9]深度卷积神经网络的进化史和结构改进——40页全面解读采集码SIGAI0508。
【10】了解梯度下降法获取代码SIGAI0511。
【11】循环神经网络概述——语音识别和自然语言处理的利器——sigai 0515。
【12】了解凸优化采集代码SIGAI0518。
[13]SVM核函数和参数获取代码SIGAI0522的实验理解。
[14] SIGAI概述行人检测算法采集代码SIGAI0525。
【15】机器学习在自动驾驶中的应用——以百度Apollo平台为例(上)获取代码SIGAI0529。
[16]理解牛顿法SIGAI 2018.5.31
【17】5月群组话题集锦——机器学习和深度学习值得思考的几个问题获取代码SIGAI0601。
[18]Adaboost算法获得代码SIGAI0602。
[19] FlowNet to FlowNet2.0:基于卷积神经网络的光流预测算法获得代码SIGAI0604。
[20]了解主成分分析(PCA)采集码SIGAI0606。
[21]人体骨骼关键点检测综述。采集代码SIGAI0608。
[22]了解决策树采集代码SIGAI0611。
【23】用一句话总结常用的机器学习算法获取代码SIGAI0613。
[24] YOLO采集码SIGAI0615的目标检测算法。
【25】了解过拟合采集码SIGAI0618。
【26】理解计算:从√2到alpha go——1赛季从√2谈收购代码SIGAI0620。
[27]场景文本检测——介绍——CTPN算法获取代码SIGAI0622。
[28]卷积神经网络压缩和加速采集代码SIGAI0625。
[29] k最近邻算法获得代码SIGAI0627。
[30]自然场景文本检测与识别技术综述获取代码SIGAI0629。
【31】理解计算:从√2到alpha go——神经计算第二季历史背景采集代码SIGAI0702。
[32]机器学习算法图获取代码SIGAI0704。
反向传播算法的推导——全连接神经网络获取代码SIGAI0706。
[34]生产对抗网络模型获取代码SIGAI0709概述。
【35】如何成为一名优秀的算法工程师采集代码SIGAI0711。
[36]理解计算:从√2到alpha go——第三节神经网络的数学模型获取代码SIGAI0702。
[37] S3FD人脸检测算法的采集代码SIGAI6
[38]基于深度负相关学习的人群计数方法获得代码SIGAI0718。
[39]流形学习获取代码SIGAI0723概述
链接:/p/7caf6bb6d621
来源: