卷积神经网络中的感受野计算（译） - 知乎 这里给出了3D（左图）和2D（右图）表示下的固定尺寸CNN特征图。 注意：图2中感受野尺寸逐渐扩大，第二个特征层的中心特征感受野很快就会覆盖整个输入图。 这一点对于CNN设计架构的性能提升非常重要。 感受野的计算（Receptive Field Arithmetic）
如何理解CNN中的感受野（receptive-field）？ - 知乎 1 Receptive field (RF) 是什么？ The receptive field is defined as the region in the input space that a particular CNN’s feature is looking at (i e be affected by) —— Dang Ha The Hien 在卷积神经网络中，感受野的定义是 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。 ——博客园 在机器
如何理解CNN无法提取‘long-range dependency of pixels - 知乎 除了“理论感受野”，还有“有效感受野”的概念。我们知道，一个CNN如果够深，深层像素的理论感受野可以覆盖整张图片。但实际上，真正有效的感受野要小得多。 这就是这篇著名的Understanding the Effective Receptive Field in Deep Convolutional Neural Networks的主要发现。
天行健 君子以自强不息，该句有哪些信达雅的英文翻译？ - 知乎 译文：As heaven maintains vigor through movements, a gentleman should constantly strive for self-perfection; as earth's condition is receptive devotion, a gentleman should hold the outer world with broad mind
日曆月曆