点击上方 “AI算法与图像处理 ”,选择加"星标"或“置顶”
重磅干货,第一时间送达
来源丨https://www.cnblogs.com/shine-lee/p/12069176.html 本文解释了感受野的概念,并举出了感受野大小及中心的计算公式,是一篇很好的入门文章。
什么是感受野 The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at (i.e. be affected by). —— A guide to receptive field arithmetic for Convolutional Neural Networks 感受野(Receptive Field) ,指的是神经网络中神经元“看到的”输入区域,在卷积神经网络中,feature map上某个元素的计算受输入图像上某个区域的影响,这个区域即该元素的感受野。 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。 https://www.researchgate.net/publication/316950618_Maritime_Semantic_Labeling_of_Optical_Remote_Sens 所以,感受野是个相对概念,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。 receptive field=center+surround 准确计算感受野,需要回答两个子问,即视野中心在哪和视野范围多大 。 只有看到”合适范围的信息”才可能做出正确的判断,否则就可能“盲人摸象”或者“一览众山小”; 目标识别问题中,我们需要知道神经元看到是哪个区域,才能合理推断物体在哪以及判断是什么物体。 但是,网络架构多种多样,每层的参数配置也不尽相同,感受野具体该怎么计算? 约定 https://medium.com/mlreview/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807 Layer:用Layer表示feature map,特别地,Layer0为输入图像; Conv:用Conv表示卷积,k、p、s为卷积层的超参数,Convl的输入和输出分别为Layerl−1和Layerl+1; n:feature map size为n×n,这里假定height=width; r:receptive field size为r×r,这里假定感受野为方形; j:feature map上相邻元素间的像素距离,即将feature map上的元素与输入图像Layer0 上感受野的中心对齐后,相邻元素在输入图像上的像素距离,也可以理解为 feature map上前进1步相当于输入图像上前进多少个像素 ,如下图所示,feature map上前进1步,相当于输入图像上前进2个像素,j=2; https://github.com/vdumoulin/conv_arithmetic/blob/master/gif/padding_strides.gif start:feature map左上角元素在输入图像上的感受野中心坐标 (start,start),即视野中心的坐标 ,在上图中,左上角绿色块感受野中心坐标为(0.5,0.5),即左上角蓝色块中心的坐标,左上角白色虚线块中心的坐标为(−0.5,−0.5); l:l表示层,卷积层为Convl,其输入feature map为Layerl−1,输出为Layerl。 感受野大小 再看上面的动图,如果feature map 上的一个元素A看到feature map Layer1 上的范围为3×3(图中绿色块),其大小等于kernel size k2,所以,A看到的感受野范围r2等价于Layer1上3×3窗口看到的Layer0 范围,据此可以建立起相邻Layer感受野的关系,如下所示,其中rl为Layerl的感受野,rl−1为 Layerl−1 的感受野, Layerl 一个元素的感受野rl等价于Layerl−1 上k×k个感受野的叠加; Layerl−1 上连续k个元素的感受野可以看成是,第1个元素看到的感受野加上剩余k−1步扫过的范围, Layerl−1 上每前进1个元素相当于在输入图像上前进jl−1个像素,结果等于rl−1+(k−1)×jl−1 receptive field size Layerl 上前进1个元素相当于Layerl−1上前进sl个元素 ,转换成像素单位为 其中,sl为Convl的kernel在 Layerl−1 上滑动的步长,输入图像的s0=1。 Layerl上前进1个元素,相当于在输入图像前进了 个像素,即前面所有层stride的连乘。 感受野中心 在上一节中计算得 ,表示feature map Layerl上前进1个元素相当于在输入图像上前进的像素数目,如果将feature map上元素与感受野中心对齐,则jl为感受野中心之间的像素距离。如下图所示, receptive field center 其中,各层的kernel size、padding、stride超参数已在图中标出,右侧图为feature map和感受野中心对齐后的结果。 所有的start坐标均相对于输入图像坐标系 。其中,start0=(0.5,0.5),为输入图像左上角像素的中心坐标,startl−1表示Layerl−1左上角元素的感受野中心坐标,(2kl−1−pl)为Layerl与Layerl−1感受野中心相对于Layerl−1坐标系的偏差,该偏差需折算到输入图像坐标系 ,其值需要乘上jl−1,即Layerl−1相邻元素间的像素距离,相乘的结果为(2kl−1−pl)∗jl−1,即感受野中心间的像素距离——相对输入图像坐标系。至此,相邻Layer间感受野中心坐标间的关系就不难得出了,这个过程可视化如下。receptive field center calculation 知道了Layerl左上角元素的感受野中心坐标(startl,startl),通过该层相邻元素间的像素距离jl可以推算其他元素的感受野中心坐标。 小结 由上面的递推公式,就可以从前向后逐层计算感受野了,代码可参见 computeReceptiveField.py,在线可视化计算可参见Receptive Field Calculator。 Layerl的感受野大小与sl、pl无关,即当前feature map元素的感受野大小与该层相邻元素间的像素距离无关; 为了简化,通常将padding size设置为kernel的半径,即p=2k−1,可得startl=startl−1,使得feature map Layerl 上(x,y)位置的元素,其感受野中心坐标为(xjl,yjl); 对于空洞卷积dilated convolution,相当于改变了卷积核的尺寸 ,若含有 dilation rate参数,只需将kl替换为dilation rate∗(kl−1)+1 ,dilation rate=1时为正常卷积; 对于pooling层,可将其当成特殊的卷积层 ,同样存在kernel size、padding、stride参数;参考资料 wiki-Receptive Field Calculator arXiv-Understanding the Effective Receptive Field in Deep Convolutional Neural Networks medium-A guide to receptive field arithmetic for Convolutional Neural Networks medium-Topic DL03: Receptive Field in CNN and the Math behind it ppt-Convolutional Feature Maps: Elements of Efficient (and Accurate) CNN-based Object Detection Calculating Receptive Field of CNN
下载1:OpenCV黑魔法
在「 AI算法与图像处 理」 公众号后台回复: OpenCV黑魔法 ,即可下载小编精心编写整理的计算机视觉趣味实战教程
在「AI算法与图像处 理 」 公众号后台回复: CVPR2020 , 即可下载1467篇CVPR 2020论文