感受场

在卷积神经网络（CNN）中，感受野是输入图像的特定区域，特定层中的特定特征能够 "看到 "或受其影响。当数据通过网络的各层时，每个神经元的感受野都会扩大，从而使网络能够学习分层特征。在最初的层中，神经元的感受野很小，能检测到边缘或颜色等简单模式。在更深的层中，神经元的感受野会变得更大，从而使网络能够通过组合之前检测到的简单模式来识别复杂的物体和整个场景。这一概念是理解 CNN 如何处理空间信息的基础。

计算机视觉的重要性

感受野的大小和质量对计算机视觉（CV）模型的性能至关重要。大小合适的感受野可确保模型捕捉到物体的整个上下文。对于物体检测任务来说，如果感受野太小，模型可能只能识别物体的一部分（如轮胎而不是汽车）。相反，如果感受野过大，则可能会包含干扰性背景噪声，从而可能会混淆模型。

设计有效的网络架构需要仔细平衡感受野的大小，使其与数据集中对象的比例相匹配。使用扩张卷积（又称无齿卷积）等技术可以在不增加计算成本的情况下增加感受野，这在语义分割等任务中尤为有用。还有一些工具可以帮助可视化感受野，从而有助于模型设计和调试。

实际应用

• 自动驾驶汽车：在自动驾驶汽车中，物体检测模型必须能识别不同大小的行人、车辆和交通标志。像Ultralytics YOLO11这样的模型，其深层设计有足够大的感受野，可以从远处探测到大型卡车或公共汽车，同时还保留了感受野较小的特征图，以发现较近、较小的物体。

• 医学图像分析：在分析医学扫描进行肿瘤检测时，必须根据任务调整感受野的大小。检测乳房 X 线照片中微小、细微的异常（如微钙化）需要一个具有精细特征提取和较小感受野的模型。要在核磁共振成像中识别较大的肿瘤，则需要较大的感受野来捕捉病变和周围组织的全貌。

感知场与相关概念

理解感受野需要将它们与相关术语区分开来：

• 内核大小：内核（或滤波器）是在图像上滑动以进行卷积的小型权重矩阵。内核大小是用户直接定义的超参数（如 3x3 或 5x5）。而感受野则是一种新出现的属性，它描述了原始输入的累积区域，在多个卷积层和池化层之后，该区域会影响单个神经元的输出。层中内核越大，感受野越大。

• 步长步长是卷积核每一步移动的像素数。随着网络的深入，步长越大，感受野的大小增加得越快，因为这会使输出特征图更小，从而有效地概括输入的更大区域。

• 填充填充：在卷积之前，在输入图像的边界周围添加像素。虽然其主要目的是控制输出特征图的空间尺寸，但它也会影响感受野，尤其是图像的边缘。

在使用PyTorch或TensorFlow 等深度学习框架训练自定义模型时，开发人员必须考虑这些元素如何共同影响感受野，以优化实例分割或姿势估计等任务的性能。Ultralytics HUB等平台通过提供针对各种视觉任务进行优化的预配置模型和环境，简化了这一过程。要想获得更深入的技术见解，IEEE 计算智能学会等组织提供的资源很有价值。