感受野

在计算机视觉（CV）与深度学习领域，感受野指神经网络（NN）中特定神经元所"感知"或分析的输入图像特定区域。 概念上，其功能类似于人眼或相机镜头的视野范围。它决定了模型在任意特定层级能感知多少空间上下文。当数据在卷积神经网络（CNN）中传递时，感受野通常会逐渐扩展，使系统能够从识别微小局部细节（如边缘或拐角）过渡到理解复杂全局结构（如完整物体或场景）。

感受野的机制

感受野的大小和深度由网络架构决定。 在初始层中，神经元 通常具有较小的感受野，聚焦于微小像素簇以捕捉精细纹理。随着 网络深度增加，诸如 池化层和 步长卷积等操作会有效 对特征图进行下采样。该过程 使后续神经元能够整合来自原始输入更大区域的信息。

现代架构（Ultralytics ）都经过精心设计以平衡这些感知区域。若感知区域过窄，模型可能因无法捕捉完整形状而无法识别大型物体。 反之，若受容野过度扩展却未保持分辨率，模型则可能遗漏微小物体。为解决此问题，工程师常采用膨胀卷积（又称空洞卷积）技术，在不降低空间分辨率的前提下扩展受容野——这项技术对语义分割等高精度任务至关重要。

实际应用

优化感受野对各类人工智能解决方案的成功至关重要。

• 自动驾驶：在 汽车人工智能领域，感知系统必须 同时track 与大型障碍物。车辆需要小范围感知区域来识别远处的 交通信号灯，同时需要大范围感知区域来理解附近卡车的行驶轨迹 或道路车道的弯曲度。这种多尺度感知确保了更优的 人工智能安全性和决策能力。
• 医学诊断： 在医疗领域应用人工智能时，放射科医生依赖模型来识别扫描图像中的异常。对于脑肿瘤的识别，神经网络需要较大的感受野来理解大脑的整体对称性和结构。然而，在乳腺X光摄影中detect 时，模型则依赖早期层的小感受野，这些层对细微的纹理变化具有敏感性。

区分相关概念

要全面理解网络设计，区分感受野与类似术语很有帮助：

• 感受野与卷积核： 卷积核（或滤波器）尺寸定义了单次卷积操作中滑动窗口的维度（例如3x3）。感受野是一种涌现属性，代表影响神经元的总累积输入区域。多个3x3卷积核的叠加将形成远大于3x3的感受野。
• 感受野与特征图： 特征图是由某一层产生的输出体积，包含已学习的表示。感受野描述特征图上单个点与原始输入图像之间的关系。
• 感受野与上下文窗口： 虽然两者均指感知数据的范围，但"上下文窗口"通常用于 自然语言处理（NLP） 或视频分析中，表示时间或序列跨度（如令牌限制）。感受野则严格指代 网格化数据（图像）中的空间区域。

代码中的实际应用

先进的模型（如新版YOLO26）采用特征金字塔网络（FPN）技术，确保对所有尺寸目标保持有效的感受野。下例演示了如何加载模型并执行目标检测，自动利用这些内部架构优化。用户若需训练采用优化架构的自定义模型，可Ultralytics 实现无缝的数据集管理和云端训练。

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()