理解深度卷积神经网络中的有效感受野
计算机视觉与模式识别
2017-01-26 v2 人工智能
机器学习
摘要
我们研究深度卷积网络中单元的感受野特性。感受野尺寸在许多视觉任务中是一个关键问题，因为输出必须响应图像中足够大的区域以捕获大物体的信息。我们引入有效感受野的概念，并展示其既具有高斯分布，又仅占据完整理论感受野的一部分。我们分析了多种架构设计中的有效感受野，以及非线性激活、dropout、子采样和跳跃连接对其的影响。这引出了解决其倾向于过小的若干建议。
引用
@article{arxiv.1701.04128,
title = {Understanding the Effective Receptive Field in Deep Convolutional Neural Networks},
author = {Wenjie Luo and Yujia Li and Raquel Urtasun and Richard Zemel},
journal= {arXiv preprint arXiv:1701.04128},
year = {2017}
}