受容野とは、畳み込みニューラルネットワークにおいて、特定のニューロンが入力データのどの範囲の情報に影響を受けるかを表す領域のことです。層を深く重ねることで受容野は広がり、局所的な特徴から画像全体の大域的な特徴へと理解が深まります。モデルの認識性能や設計に直結する重要な概念です。
受容野とは
受容野とは、ニューラルネットワーク（特に畳み込みニューラルネットワーク）の特定の層におけるニューロンが、入力データのどの範囲の情報に影響を受けるかを示す「入力の視野」のような領域のことです。
詳しく解説
受容野（Receptive Field）は、もともと生物の視覚野のニューロンが反応する視覚空間の範囲を指す生理学の用語でした。これが人工知能の分野、特に画像認識などで使われる畳み込みニューラルネットワークにおいて応用されています。ネットワークの入力に近い初期の層（浅い層）では、各ニューロンの受容野は小さく、エッジや局所的な模様などの細かい特徴しか捉えられません。しかし、層を深く重ねる（畳み込みやプーリングを繰り返す）につれて、後続の層のニューロンが参照する元の入力画像の範囲（受容野）は徐々に広がり、画像全体の構造や物体の位置関係といった大域的なコンテキストを理解できるようになります。適切な受容野の設計は、モデルが物体の大きさや文脈を正確に認識するために不可欠です。
具体例・使われ方
例えば、画像内の犬を認識するタスクにおいて、浅い層のニューロンは「犬の毛並み」や「耳の輪郭」といった狭い範囲のみ（小さな受容野）を見ています。これに対して、深い層のニューロンは「犬全体と背景」という広い範囲（大きな受容野）を捉えることで、それが犬であるという最終的な判断を下します。この受容野を広げる手法として、通常の畳み込みに加えて、情報を間引くプーリングや、受容野を効率的に広げる拡張畳み込み（Dilated Convolution）などが用いられます。
似た用語との違い
受容野と混同されやすい概念に「カーネルサイズ」（またはフィルタサイズ）があります。カーネルサイズは、畳み込み層の1ステップの演算が直接参照する「局所的なフィルタの大きさ（例: 3x3）」を指します。これに対して受容野は、それまでの全ての演算を遡った結果として、最終的に元の入力データ全体の「どの範囲から情報が伝達されてきているか」を指す、より大局的な範囲を意味します。また、各ニューロンが出力する「特徴マップ」は層全体の出力を指すのに対し、受容野はその特徴マップ上の1画素が依存する入力側の領域を指します。
注意点
受容野に関して注意すべきなのは、理論上の受容野（理論的受容野）の全体が均等に重要視されるわけではないという点です。研究により、受容野の中心付近の情報が最も強く影響し、周辺部にいくほど影響が弱まることが分かっています。この実際に強く機能している中央部分の領域は「有効受容野」と呼ばれます。そのため、理論上の受容野を単に大きく設計するだけでは、必ずしも広範囲の情報を効果的に学習できているとは限らないことに留意する必要があります。