简单的说，感受野就是当前卷积层每个像素点是从多少个input层的像素点通过不断卷积得到的。
一般卷积网络越深，每个像素的感受野就越大（反卷积则相反）， 这在目标识别/检测网络设计中起到一个很重要的参考因素。
计算公式：
假设有一个55的input层
通过kernel=33，padding=1，stride=2 的卷积方式
将会得到33的layer1.（下图为layer1元素对应在input layer中的位置）
其中，每一个元素都是input由33的kernel卷积生成，所以每一个像素的感受野为3
将此层再通过kernel=3 3，padding=1，stride=2的卷积方式卷积。
将会得到2 2的layer2。
此时，每一个元素都是由layer1的3 3个元素通过3 3的卷积核生成。
所以layer2的每个元素感受野为3 3个layer1元素的感受野。
然而layer1元素在原始数据上对应位置的排列如图：
相当于layer2每个元素都感知了3 3个layer1元素，然而layer1每个33在input上的实际感受野为7 7（每个元素都可以感知周边的九个元素。）
那么怎么计算呢，如果规定stride=1的，padding=1，kernel=3的话：每次卷积结果都会是同样尺寸的。
每次卷积都是扩大了一个边界的感受野，就是：(kernel-1)大小的区域。
那么加上约束stride=s之后，每次stride跳动并不会影响到下一层layer在本层的感受野，但是会影响到下下次layer在本层的感受野。
因为当前input-layer1的stride 无论多大，layer1在input上的感受野总是只与卷积核有关。
但是当进行到layer1-layer2,需要求知layer2在input上的感受野，就会受到input-layer1的stride影响，stride越大，所影响input的范围就越大（一般stride不会超过(k-1)/2的，这会造成部分元素无法感知）。
于是
input : r=1
input->layer1 : s=2,k=3,p=1
得到layer1感受野为r=r[input] + (k-1)
layer1->layer2 : s=2,k=3,p=1
得到layer2在input的感受野为r=r[layer1] + (k[1->2]-1) * s[input->layer1]
layer2->layer3 : s=2,k=3,p=1
得到layer3在layer1的感受野为r = r[layer2] + (k[2->3]-1) s[layer1->layer2]
随着stride的累加，造成的感受野增加量也是成倍的扩大。
得到layer3的input感受野为r = r[layer2] + (k[2->3]-1) s[layer1->layer2] * s[input->layer1]
因此得到一般化的公式：
r[current] = r[pre] + (k[pre->current]-1) s[pre->current] s[prepre->pre] … s[input->layer1]
此计算公式与padding是无关的。
其中： (k[pre->current]-1) s[pre->current] s[prepre->pre] … s[input->layer1] 是在上一层感受野基础上多出来的(k-1)边界造成在input上的感受野。
引用：
https://medium.com/mlreview/a-guide-to-receptive-field-arithmetic-for-convolutional-neural-networks-e0f514068807
https://mathematica.stackexchange.com/questions/133927/how-to-compute-the-receptive-field-of-a-neuron
https://stackoverflow.com/questions/35582521/how-to-calculate-receptive-field-size
https://www.reddit.com/r/MachineLearning/comments/6o6cr8/d_how_does_one_calculate_the_receptive_field_of_a/