CNN学习笔记（三）

CNN学习笔记持续更新
沿着上一篇，卷积运算后得到一组特征图，下一步，就要经行池化层了。

1. 池化层做了什么？
2. 池化层有什么作用？

池化层

图像中的相邻像素倾向于具有相似的值，因此通常卷积层相邻的输出像素也具有相似的值。这意味着，卷积层输出中包含的大部分信息都是冗余的。如果我们使用边缘检测滤波器并在某个位置找到强边缘，那么我们也可能会在距离这个像素1个偏移的位置找到相对较强的边缘。但是它们都一样是边缘，我们并没有找到任何新东西。池化层解决了这个问题。这个网络层所做的就是通过减小输入的大小降低输出值的数量。池化一般通过简单的最大值、最小值或平均值操作完成。

假如输入是一个4×4矩阵，池大小为2，用到的池化类型是最大池化（max pool）执行过程很简单，把输入矩阵分成2×2的小块，然后在这个块里选出数值最大的元素。池化层的过程如下图所示

• 池化的作用

说白了就是对特征经行压缩，池化之后，大幅度减小了输入卷的空间维度（长度和宽度都改变了，深度没有变），提高了运算速度，一定程度上防止了过拟合的发生。数值越大就意味着可能探测到了某个特征，另外，我们更加关注知否存在某个特征，具体的位置发生一些变化影响不是很大，同时也去除了一些噪声信息，提高了提取特征的鲁棒性。

池化层就简单介绍到这里，下一篇更新全连接层~~