感受野

出自維基百科,自由嘅百科全書
跳去導覽 跳去搵嘢

感受野粵拼gam2 sau6 je5英文receptive field / sensory space)係指一粒神經細胞可以感受到嘅一柵區域,如果話刺激 喺神經細胞嘅 嘅感受野之內,噉 就可以受到 刺激而射訊號,否則 就唔會受到 刺激。

生理學等嘅領域上,感受野一般俾人用嚟描述視覺系統聽覺系統同埋本體感受啲具體嘅神經系統性質。

生理[編輯]

視覺[編輯]

人類個視覺為例,一𤗲視網膜上高毋同區域啲神經細胞個組織結構係毋同嘅,因此反映到視覺能力上都有毋同側重。譬如黃斑裏便個中央凹,一粒視錐細胞就直接褦到一粒神經節細胞;喺中央凹裏便總共大概有6萬粒視錐細胞同埋對應嘅6萬粒神經節細胞,嚟喺視覺中心達到最細緻嘅分辨能力。相反,喺毋需要咁清晰視覺嘅埞,平均6粒視錐細胞正佮到駁埋一粒神經細胞,噉樣可以減少訊號通路個數量,仲因為神經節細胞可以著更多訊息源激活、所以可以提高週邊區域個動態視覺能力 。

人工神經網絡[編輯]

Neurons of a convolutional layer (blue), connected to their receptive field (red).
卷積層啲神經元(藍色粒)與及連埋嘅感受野(深紅色細方形)

術語「感受野」亦都用喺人工神經網絡領域,好多時跟卷積神經網絡(CNN)有𪐀褦。喺呢種語境當中,感受野定義為輸入裏便某笪區域嘅大細,當中生成相應特徵嘅。基本上,感受野係攞嚟度量某𤗲輸出要素同輸入區域之間關聯嘅,個概念適用於啲本地操作似摺積(convolution)、池化(pooling)之類。喺研究運動相關嘅任務裏便,譬如視頻預測(video prediction)同光流估計(optical flow estimation),要捕獲大幅度運動(2D柵格入便啲像素嘅位移),就要有相應足夠嘅感受野。具體嚟講,感受野大過數據集嘅最大數據流個幅值(magnitude)就算係足夠。當然都有好多方法增大得CNN嘅感受野。

CNN layers arranged in three dimensions.
成三維排列嘅CNN層

人工神經網絡個「感受野」容易令人聯想到實際生物神經系統嘅感受野。的確,CNN個架構係特登模仿啲人認爲真實動物大腦係點樣運作嘅。唔似類似多層感知機(MLP)當中每一𤗲每粒神經元都連嗮下一𤗲啲神經元,CNN裏頭啲神經元成三維結構噉排,照顧到唔同神經元相對於原始數據嘅空間關係。由於CNN主要用於電腦視覺領域,所以啲神經元代表嘅數據好多時係圖像。每粒輸入神經元代表緊原始圖像嘅一粒像素,啲輸入神經元就組成第一𤗲。後一𤗲啲神經元都駁到啲輸入神經元嘅連接,但唔似MLP抑或其他傳統神經網絡入便噉駁嗮,而CNN用類似感受野嘅佈局,入便每粒神經元僅衹同前一𤗲(較低𤗲)神經元嘅子集連接。較低𤗲入便一粒神經元個感受野僅衹包含到圖像嘅一部份,而後便𤗲(較高𤗲)一粒神經元嘅感受野組合自低過佢嘅一啲(亦非全部)神經元個感受野。即,較高𤗲啲神經元「睇」得到圖像嘅部份大過較低𤗲嘅。噉樣逐𤗲逐𤗲落去每𤗲都從幅原始圖像度學到愈嚟愈多嘅抽象特徵。戥其他類型嘅神經網絡比較返,噉樣嘅感受野設計俾人認爲係CNN喺識別啲視覺圖樣方面有特別優勢嘅原因之一。

喺一啲研究當中,提出唨「有效感受野」嘅概念,嚟表示喺梯度反向傳播之後啲實際會受影響到嘅感受野;有一啲原因會影響有效感受野佔總嘅理論感受野嘅大細,包括啟動函數嘅選擇等。[1]

[編輯]

  1. A bot will complete this citation soon. Click here to jump the queue arXiv:1701.04128v2.