本文为合集收录，欢迎查看合集/专栏链接进行全部合集的系统学习。

合集完整版请查看这里。

在前面介绍卷积算法时，一直在强调一个内容，那就是卷积算法的运算过程是——

卷积核在输入图像上滑动扫描的过程。

在每一次扫描时，可以把卷积核看做一个窗口，透过这个窗口可以看到的输入图像的范围，就被称为感受野，也就是卷积核在每一次扫描过程中覆盖到的图像视野。

这个概念很好理解，但是有必要对这个概念再深入介绍一下，因为感受野这一概念，和很多神经网络结构和特性都有着千丝万缕的关系。

重温卷积的计算过程

你应该可以从上图中找到感受野的位置了。

在上图中，感受野就是每次卷积核移动时，投影在图片的一个 3x3 的正方形范围，透过他，你可以看到输出图像中的每一个像素与输入图像中的哪些像素有关。

换句话说，它表示一个输出像素透过卷积核“看到”的输入图像中区域的大小，注意是从输出来看的。

上图右侧图像是输出特征图，其输出最左上角的像素点为12.0，它透过3x3的矩阵看到的是输入图像左上角的3x3的像素矩阵；最后一个输出14.0，透过3x3的矩阵看到的是输入图像右下角的3x3的像素矩阵，这个3x3的像素矩阵就是这个卷积的感受野。

感受野的意义

可以这么说，感受野影响了神经网络对于图像的理解和图像特征的提取。

一个大的感受野可以使卷积看到输入图像上更大的像素范围，更好地理解图像的全局信息，从而提取全局特征，如物体的形状和轮廓。

而较小的感受野只能捕捉到图像的局部特征，如边缘或纹理。

因此，在很多神经网络中，往往会出现不同大小的卷积核，比如有 3x3 的卷积核，也有5x5的卷积核。

不同大小的卷积核的目的，就是为了提取不同尺度范围内的特征，让神经网络既可以学到图像的细节、又可以看到图像的轮廓。

就和人眯着眼睛看细节，张大眼睛看全局图像一样。

为什么2个3x3的卷积可以替换一个5x5的卷积

如果你看过一些论文，可能经常会看到一个操作——为了优化神经网络的性能，可以将其中一个大的卷积核用几个小的卷积核来代替。

比如，一个5x5的卷积就可以用两个3x3的卷积来代替。

之所以可以这样做，是因为从输出像素来看，两个3x3的卷积和一个5x5的卷积，在最初的输入上具有相同的感受野。

而这样做，除了感受野相同，实现的效果类似之外，还有其他的好处：

好处1

两个3x3的卷积所需要的参数量要比一个5x5的卷积参数量少。这里忽略通道的存在，两个3x3的卷积核参数量为 3x3 + 3x3 = 18，而一个 5x5 的参数量则为25。所以将一个5x5的卷积替换为两个3x3的卷积，有利于加快卷积运算，减少卷积参数的内存占用。

好处2

一个卷积变为两个卷积，可以加深神经网络的层数，从而在卷积后面引入非线性层（比如 Relu层），增加卷积神经网络的非线性能力。

总的来说，卷积的感受野就像是一扇窗户：

你站在小窗户前，就只能看到窗外的一小部分景色，此时你就是一个局部感知。但如果你站在大窗户前，你可以看到更广阔的景色，此时你拥有一个更大的感受野，你就拥有一个全局感知。

Resnet50 模型提取图像特征，就是通过网络中或大或小尺寸的卷积核提取出不同尺度的下的特征，最后通过全连接层的操作将提取到的特征进一步融合，达到图像识别的目的。