---
created: 2025-08-03 21:19:11
tags:
  - "Research"
  - "基础"
  - "CNN"
  - "感受野"
---

#CNN
## 0. 参考资料
\[1][感受野的含义及计算方法\_感受野计算-CSDN博客](https://blog.csdn.net/m0_56192771/article/details/122934841)
\[2][彻底搞懂感受野的含义与计算 - shine-lee - 博客园](https://www.cnblogs.com/shine-lee/p/12069176.html)
\[3][A guide to receptive field arithmetic for Convolutional Neural Networks | by Dang Ha The Hien | ML Review](https://blog.mlreview.com/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807)
## 1. 概念
**感受野** (Receptive Filed), 指的是神经网络中的神经元 "看到的" 输入区域 (神经元本身就是脑科学中的名词, 感受野也当然也是受[生物科学的名词](https://baike.baidu.com/item/%E6%84%9F%E5%8F%97%E9%87%8E/8989338)启发)

在[[CNN-卷积层, 池化层 与 全连接层|卷积神经网络中]], *越**深层**的神经元看到的**输入区域越大*** 

如下图所示，kernel size 均为$3×3$，stride均为$1$，绿色标记的是Layer2 每个神经元看到的区域，黄色标记的是Layer3 看到的区域，具体地，Layer2每个神经元可看到Layer1 上 $3×3$ 大小的区域，Layer3 每个神经元看到Layer2 上 $3×3$ 大小的区域，该区域可以又看到Layer1 上 $5×5$ 大小的区域。
![image.png](https://raw.githubusercontent.com/student-zsbd/myImageHost/master/RecpFiled.png)
所以, 感受野是一个**相对的**概念, 某层feature map上的元素看到前面不同层上的区域范围是不同的，通常在不特殊指定的情况下，感受野指的是看到输入图像上的区域.

## 2. 作用
特征图上的感受野越大，那么该特征图上每一个特征点所能看到的原始输入图形上的区域就越大，所以该它越能检测比 *较大的物体*，但是也越容易忽略小的物体。
所以 *越大的感受野，越能考虑到整体，越能观察到全局信息。*
所以在实际的 feature map 中，随着网络深度的加深，浅层（浅层指的是刚进入神经网络的那几层）的 feature map 的感受野较小，所以它们主要包含低级的信息（物体边缘，颜色，初级位置信息等），深层的 feature map 的感受野较大，所以它们包含高等信息（例如物体的语义信息：狗，猫，汽车等等) 

## 3. 计算
有丶丶复杂, 详见参考资料. ~~纯粹就是懒~~