感受野计算公式 定义 卷积神经网络每一层输出的特征图(feature map)上的像素点在原始图像上映射区域的大小。 计算公式 lk=lk−1+[(fk−1)∗∏i=1k−1si] l_{k}= l_{k-1} + \left [ \left ( f_{k} -1 \right ) * \prod_{i=1}^{k-1} s_{i}\right ] lk=lk−1+[(fk−1)∗i=1∏k−1si] 其中$ l_{k-1} $ 为第 $ k-1 $ 层对应感受野的大小,$ f_{k} $ 为第kkk层的卷积核大小,或者是池化层尺寸的大小。 举个例子: 来源:CSDN作者:旋律_Wang链接:https://blog.csdn.net/qq_33289694/article/details/103605244 标签 k-1