[自] 感受野；接受域
Receptive field tested was ****** and not very large.
感受野為簡單型，并且不很大。
This illusion can be explained by a dissonance that takes place in the receptive field of the brain.
這種錯覺可以解釋為大腦的感官部位出現了不一緻。
Major Topics: Striate Cortex Receptive Field Organization, Cytoarchitecture, Modular Organization, Imaging.
主要題目：紋狀皮質接收區組成，細胞結構，模型組成，成像。
Visual attention; Contour detection; Non-classical receptive field; Multi-scale analysis; Visual monitoring platform.
視覺注意； 輪廓檢測； 非經典感受野； 多尺度分析； 視覺監測平台。
Major Topics: Anatomy and Physiology of the Retina, Ganglion-cell Receptive Field Organization, Pre-ganglionic Elements.
主要題目：視網膜的解剖和生理，神經節細胞接收區組成，前神經節元件。
在神經科學和深度學習領域，"感受野（receptive field）"指代特定神經元能夠響應的輸入刺激區域。該概念最早由諾貝爾獎得主David Hubel和Torsten Wiesel在視覺皮層研究中提出，他們通過貓的視覺實驗發現，視網膜神經節細胞僅對視網膜上的特定光刺激區域産生響應。
在卷積神經網絡中，感受野定義為當前網絡層某個神經元對應的原始輸入圖像區域範圍。以三層卷積網絡為例，假設每層使用3×3卷積核且步長為1，第三層的單個神經元可覆蓋原始圖像5×5像素區域。感受野的計算公式為：
$$ Rl = R{l-1} + (kl - 1) times prod{i=1}^{l-1}s_i $$
其中$R_l$表示第$l$層的感受野大小，$k_l$為當前層卷積核尺寸，$s_i$表示之前各層的步長乘積。該公式由斯坦福大學CS231n課程首次系統推導。
感受野的動态擴展特性解釋了深度神經網絡具備多尺度特征提取能力的原因。根據《Deep Learning》教材所述，深層網絡通過逐層疊加的卷積操作，最終層神經元能夠捕獲輸入圖像中更大範圍的語義信息。這種特性使其在圖像分類、目标檢測等計算機視覺任務中發揮關鍵作用。
Receptive Field（感受野） 是神經科學和人工神經網絡中的核心概念，其含義因應用領域不同而有所差異：
在神經科學中，感受野指感覺神經元能夠響應的外部刺激區域。例如，視網膜上的一個神經元僅對特定區域的光信號敏感，該區域即為其感受野。這一概念幫助解釋生物體如何通過局部感知處理複雜信息。
在卷積神經網絡（CNN）中，感受野指某一層特征圖的單個神經元所映射的輸入圖像區域大小。例如，深層網絡的某個神經元可能對應輸入圖像的較大區域，反映其對全局特征的感知能力。
若輸入圖像為 ( 224 times 224 )，經過3層卷積（每層卷積核 ( 3 times 3 )，步長1），則第三層某神經元的感受野為 ( 5 times 5 )（逐步覆蓋輸入圖像的更大區域）。
如需更詳細的公式推導或應用案例，可參考相關技術博客。
【别人正在浏覽】