首先明确一个概念：
感受野：特征地图中的一个像素是从几幅原画上的像素得到的？
然后，VGG的网络结构如下：
ccpccpccpcccpccccpccccpccpff
c:卷积层
p:点环层
f:全连接层
如下图的d网络所示。
d型号的VGG-16是我们使用的型号
VGG论文： https://WWW.Robots.OX.AC.UK/~ VGG/Publications/2015/Simonyan 15/Simonyan 15.PDF
VGG-16、d型号
深度实验室v1模型
感受野计算公式：
其中，层，
为了步幅，
为了感受蔬菜
第n层的感受野
:第n层的kernel_size
那么我们来按照上述公式，计算一下VGG16的感受野：
卷积化的VGG
c，k=3，s=1
1
1(3-1) *1=3
c，k=3，s=1
1
3(3-1) *1=5
p，k=2，s=2
2
5(2-1) *1=6
c，k=3，s=1
2
6(3-1) *2=10
c，k=3，s=1
2
10(3-1) *2=14
p，k=2，s=2
4
14(2-1) *2=16
c，k=3，s=1
4
16(3-1) *4=24
c，k=3，s=1
4
24(3-1) *4=32
c，k=3，s=1
4
32(3-1) *4=40
p，k=2，s=2
8
40(2-1) *4=44
c，k=3，s=1
8
44(3-1) *8=60
c，k=3，s=1
8
60(3-1) *8=76
c，k=3，s=1
8
76(3-1) *8=92
p，k=2，s=2
16
92(2-1) *8=100
c，k=3，s=1
16
100 2*16=132
c，k=3，s=1
16
132 2*16=164
c，k=3，s=1
16
164 2*16=196
p，k=2，s=2
32
196 1*16=212
f，k=7，s=1
32
212(7-1) *32=404
f，k=1，s=1
32
404(1-1) *32=404
f，k=1，s=1
32
404(1-1) *32=404
那么我们来按照上述公式，计算一下由VGG16改动的到的DeepLabV1的感受野：
迪EPLABV 1
c，k=3，s=1
1
1(3-1) *1=3
c，k=3，s=1
1
3(3-1) *1=5
p，k=2，s=2
2
5(2-1) *1=6
c，k=3，s=1
2
6(3-1) *2=10
c，k=3，s=1
2
10(3-1) *2=14
p，k=2，s=2
4
14(2-1) *2=16
c，k=3，s=1
4
16(3-1) *4=24
c，k=3，s=1
4
24(3-1) *4=32
c，k=3，s=1
4
32(3-1) *4=40
p，k=2，s=2
8
40(2-1) *4=44
c，k=3，s=1
8
44(3-1) *8=60
c，k=3，s=1
8
60(3-1) *8=76
c，k=3，s=1
8
76(3-1) *8=92
p，k=2，s=1
8
92(2-1) *8=100
c，k=3，s=1，dilate_rate=2
8
100(5-1) *8=132，等效卷积核为5
c，k=3，s=1，dilate_rate=2
8
132(5-1) *8=164，等效卷积核为5
c，k=3，s=1，dilate_rate=2
8
164(5-1) *8=196，等效卷积核为5
p，k=3，s=1
8
196 2*8=212，
f，k=7，s=1，删除速率=4
8
212(25-1 ) *8=404，等效卷积核为25
f，k=1，s=1
8
404(1-1) *8=404
f，k=1，s=1
8
404(1-1) *8=404
请注意，最后一个轮询层有所更改。 原kernel为2，其细胞核改为3，其感受野与VGG严格一致。
c，k=3，s=1
4
32(3-1) *4=40
p，k=2，s=2
8
40(2-1) *4=44
c，k=3，s=1
8
44(3-1) *8=60
c，k=3，s=1
8
60(3-1) *8=76
c，k=3，s=1
8
76(3-1) *8=92
p，k=2，s=1
8
92(2-1) *8=100
c，k=3，s=1，dilate_rate=2
8
100(5-1) *8=132，等效卷积核为5
c，k=3，s=1，dilate_rate=2
8
132(5-1) *8=164，等效卷积核为5
c，k=3，s=1，dilate_rate=2
8
164(5-1) *8=196，等效卷积核为5
p，k=3，s=1
8
196 2*8=212，
f，k=7，s=1，删除速率=4
8
212(25-1 ) *8=404，等效卷积核为25
f，k=1，s=1
8
404(1-1) *8=404
f，k=1，s=1
8
404(1-1) *8=404
请注意，最后一个轮询层有所更改。 原kernel为2，其细胞核改为3，其感受野与VGG严格一致。
max pooling在VGG论文中的描述
在gg论文中，其max-pooling为2×2，这么说来，与本层的map-pooing以前的特征对应的感受野的情况相同。
VGG论文： https://WWW.Robots.OX.AC.UK/~ VGG/Publications/2015/Simonyan 15/Simonyan 15.PDF
或者，为了更多层的等价，我们有两种方法。 1将最后一个轮询的核修改为3，将vgg的所有核修改为3。
轮询层的修正方法中，具体哪个比较好，还是实验比较好。