感受野就是输出的featuremap某个节点的响应对应的输入图像的区域即为感受野。
神经元对应的感受野越大，说明其接触的原始图像范围就越大，意味着其包含更加全局、语义层次更高的特征；
神经元对应的感受野越小，说明其包含的特征趋于局部和细节。
padding不影响感受野，strip影响的是下一层的感受野
对于感受野的计算，采取top to down的方式进行计算：
1、第一层卷积输出的featurmap的感受野为卷积核的大小
2、剩余层的感受野计算可按照如下公式
kn为卷积核的尺寸大小，si为步长，是之前所有步长的乘积
例：VGG16的感受野变化
3 → 5 → 6 → 10 → 14 → 16 → 24 → 32 → 40 → 44 → 60 → 76 → 92 → 100 → 132 → 164 → 196 → 212
标签：卷积,receptive,感受,field,步长,计算,CNN From： https://www.cnblogs.com/Liang-ml/p/16757305.html