Introduction
感受野（receptive field）是卷積神經網絡（Convolutional Neural Network，CNNs）中最重要的概念之一，當前流行的物體識別方法的架構大都圍繞感受野的設計。
從CNN可視化的角度來講，感受野就是輸出featuremap某個節點的響應對應的輸入圖像的區域就是感受野。
比如我們第一層是一個33的卷積核，那么我們經過這個卷積核得到的featuremap中的每個節點都源自這個33的卷積核與原圖像中33的區域做卷積，那么我們就稱這個featuremap的節點感受野大小為33。
如果再經過pooling層，假定卷積層的stride是1，pooling層大小22，stride是2，那么pooling層節點的感受野就是44。
有幾點需要注意的是，padding並不影響感受野，stride只影響下一層featuremap的感受野，size影響的是該層的感受野。
Calculation
第n層的感受野為：
\[r_n = r_{n-1} \times k_n - (r_{n-1} - \prod_{i=1}^{n-1} s_i)\times (k_n - 1) \]
其中，\(r_n\)：第n層感受野；\(k_n\)：第n層卷積/池化核大小；
化簡后得：
\[r_n = r_{n-1} + (k_n - 1) \prod_{i=1}^{n-1} s_i \]
說人話，就是，第n層感受野大小=上一層感受野大小+(第n層卷積核大小-1)乘以本層以前所有stride的乘積。