Концепция белого ящика рецептивных полей
Привет девочки/парни!! Добро пожаловать !!
Давно я придумал блог :(
В любом случае, сегодня мы будем рисовать Черный ящик рецептивного поля и делать его белым :) также мы придумаем ФОРМУЛУ для расчета рецептивного поля сети.
Эту статью можно использовать как дополнение к этой статье https://medium.com/mlreview/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807 от Dang Ха Хиен
Пожалуйста, внимательно просмотрите изображение, так как я четко объяснил всю концепцию.
Рецептивное поле является относительным понятием, и эталоном будет фактическое изображение.
Я надеюсь, что вы внимательно прочитали изображение, так как именно оно составляет основу последующего объяснения. Если нет, пожалуйста, просмотрите изображение еще раз !!
Теперь, используя приведенное выше изображение в качестве ссылки, давайте придумаем формулу для расчета рецептивного поля сети…. Звучит интересно на…!! :)
Попробуйте добавить ТРЕТИЙ СВЕРТОЧНЫЙ СЛОЙ с ядром (5x5).
Обратите внимание на несколько моментов для ТРЕТЬЕЙ КОНВОЛЮЦИИ.
ВХОД: изображение (6X6) (выход второй свертки)
ЯДРО: (5X5)
Все идет нормально..!! просто остынь
Поэтому выходное изображение после третьей свертки будет (2x2) изображением.
Почему (2x2) выводит любую догадку?? Прокомментируйте, пожалуйста !! :)
Теперь для расчета рецептивного поля (RF)
Для первой свертки
RF(final) = размер_ядра
Начиная со второй свертки
RF(final) = Kernel_size + {RF(previous)-1}
Итак, если мы применяем третью свертка с размером ядра = (5x5), тогда рецептивное поле будет (5+{5–1}) = 9, то есть (9x9)
Примечание. Во всей статье шаг всегда равен 1, и концепция заполнения отсутствует.
Спасибо, что нашли время для прочтения этой статьи, надеюсь, она вам понравилась и жду конструктивной критики.
Так что прощай!!
