type
status
date
slug
summary
tags
category
icon
password
检测图像特征时，我们希望特征保持一定的平移不变性，然而肯定不可能那么精准，因此采用汇聚（pooling）层，它具有双重目的：降低卷积层对位置的敏感性，同时降低对空间降采样表示的敏感性。
这里的汇聚层也就是池化层
6.5.1 最大池化层与平均池化层
池化也是用一个类似 filter 的窗口在图像上进行移动，在对应区域进行运算，但是相比于卷积运算，其不包含参数，一般计算窗口中所有元素的最大值和平均值，也就是最大池化层和平均池化层
还有 stride、padding、tunnel 等，其实和卷积差不多
6.5.4 小结
- 对于给定输入元素，最大汇聚层会输出该窗口内的最大值，平均汇聚层会输出该窗口内的平均值。
- 汇聚层的主要优点之一是减轻卷积层对位置的过度敏感。
- 我们可以指定汇聚层的填充和步幅。
- 使用最大汇聚层以及大于1的步幅，可减少空间维度（如高度和宽度）。
- 汇聚层的输出通道数与输入通道数相同。
- 作者:昊卿
- 链接:hqhq1025.tech/article/1c1a897c-9da0-80fd-88a4-e996ae34a06e
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
相关文章
