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。
- 池化层做了什么?
- 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
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~~