感受野

In the domain of computer vision (CV) and deep learning, the receptive field refers to the specific region of an input image that a particular neuron in a neural network (NN) "sees" or analyzes. Conceptually, it functions similarly to the field of view of a human eye or a camera lens. It determines how much spatial context a model can perceive at any given layer. As data progresses through a Convolutional Neural Network (CNN), the receptive field typically expands, allowing the system to transition from identifying tiny, local details—like edges or corners—to understanding complex, global structures like entire objects or scenes.

The Mechanics Of Receptive Fields

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。

Practical Usage In Code

State-of-the-art models like the newer YOLO26 utilize Feature Pyramid Networks (FPN) to maintain effective receptive fields for objects of all sizes. The following example shows how to load a model and perform object detection, leveraging these internal architectural optimizations automatically. Users looking to train their own models with optimized architectures can utilize the Ultralytics Platform for seamless dataset management and cloud training.

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()