Câmpul receptiv într-o rețea neuronală convoluțională (CNN) se referă la regiunea imaginii de intrare care influențează o anumită caracteristică într-un strat. Înțelegerea modului în care se calculează ajută la proiectarea arhitecturilor eficiente și interpretarea comportamentului model.

Înţelegerea câmpului de primire

Dimensiunea câmpului receptiv crește pe măsură ce datele trec prin straturi de convoluție succesive și se unesc. Determină cantitatea de context pe care un neuron o consideră atunci când produce producția sa. Câmpurile receptive mai mari permit rețelei să captureze mai multe informații globale.

Calcularea câmpului receptor

Pentru a calcula câmpul receptiv, ia în considerare dimensiunea nucleului, pas, și umplutură la fiecare strat. Procesul implică pornind de la stratul de ieșire și de lucru înapoi la stratul de intrare, actualizarea dimensiunii câmpului receptiv la fiecare pas.

Pentru un strat cu dimensiunea nucleului k, pas s și padding p, câmpul receptiv poate fi calculat utilizând următoarea formulă recursivă:

Câmpul de recepţie la nivel de strat l[:
RF[l = RFl+1 + (kl - 1) * pasl

Începând cu stratul de ieșire, aplicați această formulă iterativ pentru a găsi câmpul receptiv la stratul de intrare.

Exemplu practic

Consideră un CNN cu următoarele straturi:

  • Strat conv: dimensiunea nucleului 3, pas 1, budincă 1
  • Comunicarea maximă: dimensiunea nucleului 2, pas 2

După ce se îmbină, devine 4, având în vedere pas și dimensiunea nucleului. Repetarea acestui proces ajută la determinarea câmpului receptiv total la stratul de intrare.

Instrumente și resurse

Mai multe instrumente sunt disponibile pentru automatizarea calculelor de câmp receptiv, inclusiv biblioteci Python și calculatoare online. Aceste instrumente simplifică procesul, în special pentru arhitecturi complexe.