在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称为感受野。通俗的解释是，输出feature map上的一个单元对应输入层上的区域大小。
感受野计算公式：
F
(
i
)
=
(
F
(
i
+
1
)
−
1
)
×
S
t
r
i
d
e
+
K
s
i
z
e
F(i) = (F(i+1)-1)\times Stride + Ksize
F(i)=(F(i+1)−1)×Stride+Ksize
- F(i)为第i层感受野
- Stride为第i层的步长
- Ksize为卷积核或池化核尺寸
