Receptive Field

在computer vision (CV)和深度学习领域，感受野（receptive field）是指neural network (NN)中的特定神经元“看到”或分析的输入图像的具体区域。从概念上讲，它的功能类似于人眼或相机镜头的视野。它决定了模型在任何给定层中可以感知多少空间上下文。随着数据在Convolutional Neural Network (CNN)中逐层传递，感受野通常会扩大，从而使系统能够从识别微小的局部细节（如边缘或角点）过渡到理解整个物体或场景等复杂的全局结构。

感受野的机制#

感受野的大小和深度由网络的架构决定。在最初的几层中，神经元通常具有较小的感受野，专注于一小群像素以捕捉精细的纹理。随着网络加深，诸如pooling layers和strided convolutions等操作会有效地对特征图进行downsample。这个过程使后续的神经元能够聚合来自原始输入更大一部分的信息。

包括最先进的Ultralytics YOLO26在内的现代架构经过精心设计，可平衡这些字段。如果感受野太窄，模型可能无法识别大型物体，因为它无法感知整个形状。相反，如果在不保持分辨率的情况下感受野过宽，模型可能会漏掉小物体。为了解决这个问题，工程师通常使用dilated convolutions（也称为空洞卷积）来扩展感受野而不降低空间分辨率，这是实现诸如semantic segmentation等高精度任务的关键技术。

实际应用#

优化感受野对于各种AI solutions的成功至关重要。

• **自动驾驶：**在AI for automotive中，感知系统必须同时跟踪微小的细节和大型障碍物。车辆需要较小的感受野来识别远处的交通信号灯，同时需要较大的感受野来理解附近卡车的轨迹或道路车道的曲率。这种多尺度感知可确保更好的AI safety和决策。
• **医学诊断：**在应用AI in healthcare时，放射科医生依靠模型来发现扫描中的异常。为了识别brain tumors，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，为了检测乳腺X光检查中的微钙化，模型依赖于对细微纹理变化敏感的具有小感受野的早期层。

区分相关概念#

为了全面了解网络设计，区分感受野与类似术语很有帮助：

• **感受野与Kernel的区别：**卷积核（或滤波器）大小定义了单个convolution操作的滑动窗口尺寸（例如3x3）。感受野是一个突现属性，表示影响神经元的总累积输入区域。一堆多个3x3卷积核将产生远大于3x3的感受野。
• **感受野与Feature Map的区别：**特征图是由一层产生并包含学习表示的输出体。感受野描述了该特征图上的单个点与原始输入图像之间的关系。
• **感受野与Context Window的区别：**虽然这两个术语都指感知数据的范围，但“上下文窗口”通常用于Natural Language Processing (NLP)或视频分析中，表示时间或序列跨度（例如令牌限制）。感受野严格指网格状数据（图像）中的空间区域。

代码中的实际用法#

像较新的YOLO26这样的最先进模型利用特征金字塔网络（FPN）来保持各种大小物体的有效感受野。以下示例展示了如何加载模型并执行object detection，自动利用这些内部架构优化。希望使用优化架构训练自己的模型的用户可以利用Ultralytics Platform进行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()