卷积神经网络中神经元的感受野、有效感受野和投影野是什么？
计算机视觉与模式识别
2018-04-10 v2
摘要
在这项工作中，我们详细解释了卷积神经网络（CNN）中不同层（卷积层或池化层）的神经元的感受野、有效感受野和投影野是如何计算的。虽然我们的重点在于CNN，但相同的操作（以相反的顺序）可用于计算解卷积神经网络的这些量。这些是重要的概念，不仅有助于更好地理解和分析卷积与解卷积网络，而且有助于优化它们在实际应用中的性能。
引用
@article{arxiv.1705.07049,
title = {What are the Receptive, Effective Receptive, and Projective Fields of Neurons in Convolutional Neural Networks?},
author = {Hung Le and Ali Borji},
journal= {arXiv preprint arXiv:1705.07049},
year = {2018}
}
备注
Fix typo mistake on equations (2) and (3). The "summation" should be the "product" instead