Medan reseptif madya dalam jaringan saraf konvolusi (CNN) mengacu pada wilayah gambar input yang mempengaruhi fitur tertentu dalam suatu lapisan. Memahami bagaimana menghitungnya membantu dalam merancang arsitektur yang efektif dan menafsirkan perilaku model.

Memahami Bidang Penerimaan

Ukuran medan reseptif madya meningkat seiring dengan melewati data melalui konvolusional berturutan dan lapisan pooling. Ia menentukan jumlah konteks yang dipertimbangkan oleh neuron ketika menghasilkan keluarannya. Medan penerimaan yang lebih besar memungkinkan jaringan untuk menangkap informasi yang lebih global.

Menghitung Medan yang Meniru

Untuk menghitung bidang reseptif, perhatikan ukuran kernel, stride, dan padding pada setiap lapisan. Proses melibatkan dimulai dari lapisan output dan bekerja mundur ke lapisan input, memperbarui ukuran medan reseptif pada setiap langkah.

Untuk lapisan dengan ukuran kernel k, stride s[, dan padding p[, medan receptive dapat dihitung menggunakan rumus rekursif berikut:

Lapangan receptive field at layer l
:
RFl = RFl+1 + (k]l - 1] stridel]

Dari lapisan output, gunakan rumus ini secara iteratif untuk menemukan medan penerimaan di lapisan input.

Contoh Praktis

Kepulauan berikut ini akan menjadi CNN:

  • Lapisan conv: ukuran kernel 3, stride 1, padding 1
  • Kolam renang Maksimal kindo: ukuran kernel 2, langkah 2

Dari output, medan penerimaan setelah konvolusi adalah 3. Setelah pooling, menjadi 4, mengingat ukuran stride dan kernel. Ulangi proses ini membantu menentukan total medan penerimaan di lapisan input.

Alat dan Sumber Daya Floa

Beberapa alat tersedia untuk mengotomatiskan perhitungan medan penerimaan otomatis, termasuk pustaka Python dan kalkulator daring. Alat-alat ini memudahkan prosesnya, terutama untuk arsitektur kompleks.