Receptive Field

Trong lĩnh vực computer vision (CV) và deep learning, receptive field đề cập đến vùng cụ thể của một ảnh đầu vào mà một neuron cụ thể trong một neural network (NN) "nhìn thấy" hoặc phân tích. Về mặt khái niệm, nó hoạt động tương tự như trường nhìn của mắt người hoặc ống kính máy ảnh. Nó xác định mức độ bối cảnh không gian mà một model có thể nhận thức ở bất kỳ tầng nào cho trước. Khi dữ liệu đi qua một Convolutional Neural Network (CNN), receptive field thường mở rộng, cho phép hệ thống chuyển từ việc nhận diện các chi tiết cục bộ nhỏ—như cạnh hoặc góc—sang hiểu các cấu trúc toàn cục phức tạp như toàn bộ đối tượng hoặc cảnh.

Cơ chế của Receptive Field#

Kích thước và độ sâu của receptive field được quyết định bởi kiến trúc của network. Ở các tầng ban đầu, các neuron thường có receptive field nhỏ, tập trung vào một cụm pixel nhỏ để nắm bắt các kết cấu chi tiết tinh tế. Khi network sâu hơn, các hoạt động như pooling layers và strided convolutions thực hiện downsample các feature maps một cách hiệu quả. Quá trình này cho phép các neuron tiếp theo tổng hợp thông tin từ một phần lớn hơn nhiều của đầu vào ban đầu.

Các kiến trúc hiện đại, bao gồm Ultralytics YOLO26 tiên tiến nhất, được thiết kế để cân đối các vùng này một cách tỉ mỉ. Nếu receptive field quá hẹp, model có thể không nhận diện được các đối tượng lớn vì nó không thể nhận thức toàn bộ hình dáng. Ngược lại, nếu vùng này quá rộng mà không duy trì độ phân giải, model có thể bỏ lỡ các đối tượng nhỏ. Để giải quyết vấn đề này, các kỹ sư thường sử dụng dilated convolutions (còn gọi là atrous convolutions) để mở rộng receptive field mà không làm giảm độ phân giải không gian, một kỹ thuật quan trọng cho các tác vụ độ chính xác cao như semantic segmentation.

Các ứng dụng trong thực tế#

Tối ưu hóa receptive field là yếu tố quan trọng đối với sự thành công của các AI solutions khác nhau.

• Autonomous Driving: Trong AI for automotive, các hệ thống nhận thức phải đồng thời theo dõi các chi tiết nhỏ và các vật cản lớn. Một phương tiện cần receptive field nhỏ để xác định đèn giao thông ở xa, đồng thời cần receptive field lớn để hiểu quỹ đạo của một chiếc xe tải ở gần hoặc độ cong của làn đường. Nhận thức đa tỷ lệ này đảm bảo AI safety và việc ra quyết định tốt hơn.
• Medical Diagnostics: Khi áp dụng AI in healthcare, các bác sĩ X-quang dựa vào các model để phát hiện điểm bất thường trong các bản quét. Để xác định brain tumors, network yêu cầu receptive field lớn để hiểu cấu trúc và tính đối xứng tổng thể của bộ não. Tuy nhiên, để phát hiện các vết vi vôi hóa trong chụp X-quang tuyến vú, model dựa vào các tầng đầu với receptive field nhỏ nhạy cảm với các thay đổi kết cấu tinh tế.

Phân biệt các khái niệm liên quan#

Để hiểu đầy đủ về thiết kế mạng, việc phân biệt receptive field với các thuật ngữ tương tự là rất hữu ích:

• Receptive Field và Kernel: Kích thước kernel (hoặc filter) định nghĩa các chiều của cửa sổ trượt (ví dụ: 3x3) cho một thao tác convolution đơn lẻ. Receptive field là một thuộc tính nổi bật đại diện cho tổng diện tích đầu vào tích lũy ảnh hưởng đến một neuron. Một chồng nhiều kernel 3x3 sẽ tạo ra receptive field lớn hơn nhiều so với 3x3.
• Receptive Field và Feature Map: Feature map là thể tích đầu ra được sản xuất bởi một tầng, chứa các biểu diễn đã học. Receptive field mô tả mối quan hệ giữa một điểm đơn lẻ trên feature map đó và ảnh đầu vào ban đầu.
• Receptive Field và Context Window: Mặc dù cả hai thuật ngữ đều đề cập đến phạm vi dữ liệu được nhận thức, "context window" thường được sử dụng trong Natural Language Processing (NLP) hoặc phân tích video để biểu thị một khoảng thời gian hoặc tuần tự (ví dụ: giới hạn token). Receptive field chỉ đề cập nghiêm ngặt đến vùng không gian trong dữ liệu dạng lưới (hình ảnh).

Cách sử dụng thực tế trong Code#

Các model tiên tiến như YOLO26 mới hơn tận dụng Feature Pyramid Networks (FPN) để duy trì receptive field hiệu quả cho các đối tượng ở mọi kích thước. Ví dụ sau đây cho thấy cách tải một model và thực hiện object detection, tận dụng các tối ưu hóa kiến trúc nội bộ này một cách tự động. Người dùng muốn huấn luyện các model của riêng họ với các kiến trúc được tối ưu hóa có thể sử dụng Ultralytics Platform để quản lý dataset liền mạch và huấn luyện trên đám mây.

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()