先来说说感受野是啥？
————感受野的定义： 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的区域大小。简单理解为：感受野是描述卷积核能够“看到”的区域(下面的大的区域)
————在机器视觉领域的深度神经网络中有一个概念叫做感受野，用来表示网络内部的不同位置的神经元对原图像的感受范围的大小。
感受野就是输入图像对这一层输出的神经元的影响有多大。形象的说，就是你的曾曾曾曾曾爷爷对他的后代们有多少影响这么一个概念。所以影响大不一定好，也许会带来用不着的糟粕。
举个例子(可视化) ：原始图像为 5×5 ，卷积核（Kernel Size）为 3×3 ，padding 为 1×1 ，stride为 2×2 ，依照此卷积规则，连续做两次卷积。
第一次卷积结果是 3×3 大小的feature map，第二次卷积结果是 2×2 大小的feature map。整个过程如图所示：
第一次卷积得到3*3的 feature map，RF为3*3 第二次卷积得到2*2的 feature map 黄色feature map对应的感受野是7*7大小
——————————————————————https://zhuanlan.zhihu.com/p/31004121————————————————————————
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.cnblogs.com/shine-lee/p/12069176.html————————————
如何计算RF？
下一节详细讲解.....