关于感受野的定义请参考：https://www.jianshu.com/p/2b968e7a1715
定义：感受野用来表示网络内部的不同神经元对原图像的感受范围的大小，或者说，convNets(cnn)每一层输出的特征图(feature map)上的像素点在原始图像上映射的区域大小。
计算公式:
从前往后： F后 = （F前 - 1） + k (F代表感受野的大小， k代表kernel大小)
从后往前： F前 = （F后 - 1） + k (F代表感受野的大小， k代表kernel大小)
感受野的计算，从前往后，和从后往前，结果都是一样的。 这里给大家展示：
从前往后：
总共有三层：1,2,3,
第一层的感受野为1，
第二层的感受野为（1 - 1） + 3 = 3
第三层的感受野为（3 - 1） + 3 = 5
从后往前：
从后往前计算，比较麻烦，这里值计算最后一层，
第三层的当前感受野为3，
在第二层的感受野为（3 - 1） + 3 = 5 为第三层的感受野
dilated convolution 感受野的计算：
1~8层， 空洞的大小为{1,1,2,4,8,16,1,1}
论文中提出的是从前往后计算，解释前四个，
1层 3
2层 （3 - 1） + 3 = 5
3层 （5 - 1） + （2×2 + 1）= 9 红色代表空洞 换线部分达标计算空洞卷积核的大小
4层 （9 - 1） + （4*2 + 1）= 17
。。。。。。。
我自己手动算了从后往前的计算：
需要先计算出最后一层，再计算倒数第二层：
计算最后一层：
得到最后一层为67，前面的数字代表层的感受野，局部的
倒数第二层的感受野：
公式 F后 = (F前 - 1) + K 此时K代表前一层层的空洞卷积的大小
F前 = F后 - 1 + 1
因此 倒数第二层的感受野为：67 - 1 + 1 = 67
倒数第三层的感受野：
67 - 3 + 1 = 65
倒数第四层的感受野：
65 - (16*2 + 1) + 1 = 33
。。。。。
完毕，错误的地方 还请指正！！！
仅供参考.