Receptive Field

No domínio da computer vision (CV) e da aprendizagem profunda, o campo recetivo refere-se à região específica de uma imagem de entrada que um determinado neurónio numa neural network (NN) "vê" ou analisa. Conceitualmente, funciona de forma semelhante ao campo de visão de um olho humano ou de uma lente de câmara. Determina a quantidade de contexto espacial que um modelo consegue perceber em qualquer camada dada. À medida que os dados progridem através de uma Convolutional Neural Network (CNN), o campo recetivo tipicamente expande-se, permitindo que o sistema transite da identificação de pequenos detalhes locais — como contornos ou cantos — para a compreensão de estruturas globais complexas, tais como objetos inteiros ou cenas.

A Mecânica dos Campos Receptivos#

O tamanho e a profundidade do campo recetivo são ditados pela arquitetura da rede. Nas camadas iniciais, os neurónios têm habitualmente um campo recetivo pequeno, concentrando-se num pequeno aglomerado de píxeis para capturar texturas de grão fino. À medida que a rede se torna mais profunda, operações como pooling layers e strided convolutions efetuam o downsample dos mapas de caraterísticas de forma eficaz. Este processo permite que os neurónios subsequentes agreguem informação a partir de uma porção muito maior da entrada original.

As arquiteturas modernas, incluindo o estado da arte Ultralytics YOLO26, são concebidas para equilibrar estes campos meticulosamente. Se o campo recetivo for demasiado estreito, o modelo poderá falhar o reconhecimento de objetos grandes porque não consegue perceber a forma inteira. Por outro lado, se o campo for excessivamente amplo sem manter a resolução, o modelo poderá perder objetos pequenos. Para resolver esta questão, os engenheiros utilizam frequentemente dilated convolutions (também conhecidas como convoluções atróficas) para expandir o campo recetivo sem reduzir a resolução espacial, uma técnica vital para tarefas de alta precisão como a semantic segmentation.

Aplicações no Mundo Real#

A otimização do campo recetivo é fundamental para o sucesso de várias AI solutions.

• Condução Autónoma: Em AI for automotive, os sistemas de perceção devem rastrear simultaneamente detalhes minúsculos e grandes obstáculos. Um veículo necessita de um campo recetivo pequeno para identificar semáforos distantes, enquanto requer simultaneamente um campo recetivo grande para compreender a trajetória de um camião próximo ou a curvatura da faixa de rodagem. Esta perceção multi-escala garante uma melhor AI safety e tomada de decisão.
• Diagnóstico Médico: Ao aplicar AI in healthcare, os radiologistas dependem de modelos para detetar anomalias em exames. Para identificar brain tumors, a rede requer um campo recetivo grande para compreender a simetria e a estrutura geral do cérebro. Contudo, para detetar microcalcificações em mamografia, o modelo apoia-se em camadas iniciais com pequenos campos recetivos sensíveis a alterações subtis de textura.

Distinguindo Conceitos Relacionados#

Para entender completamente o design da rede, é útil diferenciar o campo receptivo de termos semelhantes:

• Campo Recetivo vs. Kernel: O tamanho do kernel (ou filtro) define as dimensões da janela deslizante (por exemplo, 3x3) para uma única operação de convolution. O campo recetivo é uma propriedade emergente que representa a área de entrada total acumulada que afeta um neurónio. Uma pilha de múltiplos kernels 3x3 resultará num campo recetivo muito maior do que 3x3.
• Campo Recetivo vs. Feature Map: Um mapa de caraterísticas é o volume de saída produzido por uma camada, contendo as representações aprendidas. O campo recetivo descreve a relação entre um único ponto nesse mapa de caraterísticas e a imagem de entrada original.
• Campo Recetivo vs. Context Window: Embora ambos os termos se refiram ao âmbito dos dados percebidos, "janela de contexto" é tipicamente utilizada em Natural Language Processing (NLP) ou análise de vídeo para denotar um intervalo temporal ou sequencial (por exemplo, limite de tokens). O campo recetivo refere-se estritamente à área espacial em dados em grelha (imagens).

Uso Prático em Código#

Modelos de ponta como o mais recente YOLO26 utilizam Redes de Pirâmide de Caraterísticas (FPN) para manter campos recetivos eficazes para objetos de todos os tamanhos. O exemplo seguinte mostra como carregar um modelo e efetuar a object detection, tirando partido destas otimizações arquiteturais internas automaticamente. Os utilizadores que pretendam treinar os seus próprios modelos com arquiteturas otimizadas podem utilizar a Ultralytics Platform para uma gestão de conjuntos de dados e treino na cloud sem interrupções.

from ultralytics import YOLO

# Load the latest YOLO26 model with optimized multi-scale receptive fields
model = YOLO("yolo26n.pt")

# Run inference; the model aggregates features from various receptive field sizes
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results, detecting both large (bus) and small (person) objects
results[0].show()