Trường tiếp nhận cục bộ là vùng chứa nội dung dữ liêu đầu vào được sử dụng để tạo nên đặc trưng của một nơ-ron ở lớp tiếp theo.
Hình 1.10: Trường tiếp nhận cục bộ - Local Receptive Field (LRF) - Nguồn:[85]. [85].
Ưu điểm của vùng tiếp nhận cục bộ là mỗi nơ-ron được giao trực tiếp học thông tin từ một vùng nhỏ trong dữ liêu đầu vào thay vì như đối với mạng nơ-ron nhân tạo thông thường, nơi mà mỗi nơ-ron phải học thông tin từ toàn bộ ảnh đầu vào. Các lớp thấp hơn trong mạng CNN, các nơ-ron sẽ được học những thông tin đặc trưng đơn giản ví dụ như: đường thẳng, cạnh,... các lớp cao hơn trong mạng sẽ được học những thông tin bậc cao, phức tạp hơn, ví dụ như: hình dáng,... và những thông tin này được tổng hợp từ những thông tin từ lớp thấp hơn.
1.3.2 Lớp tổng hợp - Pooling Layer (PL)
Lớp tổng hợp - Pooling Layer (PL) trong mạng Mạng nơ-ron tích chập - Convolutional Neural Network (CNN) đóng vai trò làm giảm kích thước của bản đồ đặc trưng, qua đó giúp giảm tải sô lượng tham số, giảm chi phí tính toán, và kiểm soát tình trạng học thuộc dữ liệu. Lớp tổng hợp - Pooling Layer (PL) hoàn toàn không ảnh hưởng tới chiều sâu của bản đồ đặc trưng. Lớp tỏng hợp có rất nhiều dạng khác nhau, trong đó dạng phổ biến nhất là sử dụng bộ
lọc với kích thước 2x2, với bước nhảy bằng 2, và sử dụng toán tử lấy giá trị lớn nhất trên bộ lọc tương ứng để lấy ra đặc trưng quan trọng nhất trong bản đồ đặc trưng.
Hình 1.11: Lớp tổng hợp - Pooling Layer (PL) - Nguồn: [85].
Ví dụ như hình trên: Đầu vào là một bản đồ đặc trưng với kích thước 224x224x64 sau khi đi qua Lớp tổng hợp - Pooling Layer (PL) kích thước của bản đồ đặc trưng là 112x112x64. Ta nhận thấy kích thước không gian của bản đồ đặc trưng giảm đi một nửa trong khi đó kích thước về độ sâu được giữ nguyên.