[自] 感受野；接受域
Receptive field tested was ****** and not very large.
感受野为简单型，并且不很大。
This illusion can be explained by a dissonance that takes place in the receptive field of the brain.
这种错觉可以解释为大脑的感官部位出现了不一致。
Major Topics: Striate Cortex Receptive Field Organization, Cytoarchitecture, Modular Organization, Imaging.
主要题目：纹状皮质接收区组成，细胞结构，模型组成，成像。
Visual attention; Contour detection; Non-classical receptive field; Multi-scale analysis; Visual monitoring platform.
视觉注意； 轮廓检测； 非经典感受野； 多尺度分析； 视觉监测平台。
Major Topics: Anatomy and Physiology of the Retina, Ganglion-cell Receptive Field Organization, Pre-ganglionic Elements.
主要题目：视网膜的解剖和生理，神经节细胞接收区组成，前神经节元件。
在神经科学和深度学习领域，"感受野（receptive field）"指代特定神经元能够响应的输入刺激区域。该概念最早由诺贝尔奖得主David Hubel和Torsten Wiesel在视觉皮层研究中提出，他们通过猫的视觉实验发现，视网膜神经节细胞仅对视网膜上的特定光刺激区域产生响应。
在卷积神经网络中，感受野定义为当前网络层某个神经元对应的原始输入图像区域范围。以三层卷积网络为例，假设每层使用3×3卷积核且步长为1，第三层的单个神经元可覆盖原始图像5×5像素区域。感受野的计算公式为：
$$ Rl = R{l-1} + (kl - 1) times prod{i=1}^{l-1}s_i $$
其中$R_l$表示第$l$层的感受野大小，$k_l$为当前层卷积核尺寸，$s_i$表示之前各层的步长乘积。该公式由斯坦福大学CS231n课程首次系统推导。
感受野的动态扩展特性解释了深度神经网络具备多尺度特征提取能力的原因。根据《Deep Learning》教材所述，深层网络通过逐层叠加的卷积操作，最终层神经元能够捕获输入图像中更大范围的语义信息。这种特性使其在图像分类、目标检测等计算机视觉任务中发挥关键作用。
Receptive Field（感受野） 是神经科学和人工神经网络中的核心概念，其含义因应用领域不同而有所差异：
在神经科学中，感受野指感觉神经元能够响应的外部刺激区域。例如，视网膜上的一个神经元仅对特定区域的光信号敏感，该区域即为其感受野。这一概念帮助解释生物体如何通过局部感知处理复杂信息。
在卷积神经网络（CNN）中，感受野指某一层特征图的单个神经元所映射的输入图像区域大小。例如，深层网络的某个神经元可能对应输入图像的较大区域，反映其对全局特征的感知能力。
若输入图像为 ( 224 times 224 )，经过3层卷积（每层卷积核 ( 3 times 3 )，步长1），则第三层某神经元的感受野为 ( 5 times 5 )（逐步覆盖输入图像的更大区域）。
如需更详细的公式推导或应用案例，可参考相关技术博客。
【别人正在浏览】