介绍

感受野（Receptive Field）：卷积神经网络输出的特征图（feature map），每个像素点在原始图像上映射的区域大小

原始图像是指：是经过预处理（如resize，warp，crop）后的图像，要输入神经网络的图像

例子

原始图像7 x 7，经过第一次卷积（kernel_size=3, stride=2），输出第一个特征图3 x 3，经过第二次卷积（kernel_size=2, stride=1），输出第二个特征图大小为2 x 2

1.原始图像的感受野是1，每个像素只能看到自己
2.第一个特征图，1个像素点，映射在原图像的区域大小是3 x 3
3.第二个特征图，1个像素点，映射在第一个特征图的区域大小是2 x 2
4.第二个特征图，1个像素点，映射在原图像的区域大小是5 x 5，即：经过第二次卷积，感受野是5

感受野是个相对概念，某特征图（feature map）上的像素映射到前面不同层上的区域范围是不同的，通常感受野指的是输入图像上的区域。

感受野大小和它之前所有层的 卷积核大小 和步长有关系
涉及到这两个参数的有 卷积层 和 pooling层

n：表示第n层
k：表示kernel_size
s：表示stride
r：表示receptive_field
∏：求积运算，形式上类似于Σ（求和运算）

上面例子算法：
3*2-(2-1)*(3-2)=5