La calculadora de campo receptivo da el campo receptivo de una pila de capas de convolución idénticas, el salto entre salidas vecinas y el número de capas necesario para cubrir un tamaño objetivo.
Cómo se calcula
- Introduce el número de capas, el tamaño del núcleo y el paso.
- Introduce el campo receptivo objetivo, por ejemplo el tamaño de la imagen.
- La calculadora da el campo receptivo, el salto, las capas necesarias, la parte cubierta y los píxeles que faltan.
Ejemplo
5 capas con núcleos de 3×3 y un paso de 2 dan un campo de 1 + 2 × (1 + 2 + 4 + 8 + 16) = 63 píxeles, y dos salidas vecinas están separadas 32 píxeles. Para ver una imagen entera de 224 píxeles hacen falta 7 capas de este tipo. Con un paso de 1, los mismos núcleos necesitarían unas 112.
Por qué es útil
La calculadora ayuda a estudiantes e ingenieros que diseñan redes convolucionales para imágenes, sonido o series temporales y que necesitan comprobar que el modelo ve suficiente contexto para la tarea.
Conviene saber
El cálculo supone el mismo núcleo y el mismo paso en cada capa. En una red real, el campo se construye capa a capa: crece (K − 1) veces el salto acumulado, y el salto se multiplica por el paso. Las convoluciones dilatadas amplían el campo sin perder resolución, y la dilatación puede sustituir al paso. Las capas de agrupación actúan como pasos. Los núcleos grandes, la atención y la agrupación global dan un campo que cubre toda la entrada de una vez. En segmentación o en detección, un campo más pequeño que los objetos que se quieren reconocer es una señal de alerta. Recuerda que el relleno no cambia el tamaño del campo, solo los bordes.
Herramientas relacionadas
La calculadora de capa de convolución da los tamaños de salida, la del número de parámetros de una red neuronal cubre las capas densas, la de densidad de píxeles relaciona píxeles y pantallas y las de logaritmo ayudan con la tasa de crecimiento.