为什么cony-ayer之后需要加 pooling_layer?
如果只有conv-ayer会怎样?
- 过于执着局部特征学习,忽视全局
■ 经过三层cony-ayer3x3fter后
■ 我们相当于只用了1层 conv-layer7x7 filter来扫描原图
(28-7+1=22)
■ 对原图整体状态信息学习很少
■ 从底层细小局部简单的特征到高层复杂全局性更高的特
征,推进速度太慢 - 计算量仍旧太大
pooling layer可以让 parameters数量大幅下降
为什么使用 pooling layer?
大幅降低 parameters,降低计算量
■ 通过多层conv-ayer,间接用更大的fter扫描原图
为什么使用 pooling layer?
■ 大幅降低 parameters,降低计算量
■ 通过多层 conv-layer,,间接用更大的fter扫描原图
为什么 max pooling要优于 strided convolution和 average_ pooling
strided convolution的弊端
- 跳格平移
■ 容易忽视或丢失细节数据 - average pooling的弊端
■ 取均值,容易造成稀释特征程度效果的问题
最佳 downsampling的方法组合
- unstrided convolution
- max_pooling
注意点
- 认为max pooling 效果更好,是keras作者实践总结的经验;
- 深度学习是实验科学,最终都要回归到具体的数据和模型设计的实际表现上来判断!!
- 用实验结果说话!!!