【深度学习】global pooling (全局池化)

今天看SPPNet论文时，看到“global pooling”一词，不是很明白是啥概念。上网查了一下定义，在StackOverflow
上找到了答案：

具体回答如下：

说白了，“global pooling”就是pooling的 滑窗size 和整张feature map的size一样大。这样，每个 $W\times H\times C$ 的feature map输入就会被转化为 $1\times 1\times C$ 输出。因此，其实也 等同于每个位置权重都为 $1/(W\times H)$ 的 FC层操作 。

等同于输入一个tensor，输出一根vector。

“global pooling”在滑窗内的具体pooling方法可以是任意的，所以就会被细分为“global avg pooling”、“global max pooling”等。

由于传统的pooling太过粗暴，操作复杂，目前业界已经逐渐放弃了对pooling的使用。替代方案 如下：

• 采用 Global Pooling 以简化计算；

• 增大conv的 stride 以免去附加的pooling操作。

tf实现

由于输入tensor的shape为[n, h, w, c]，那么直接对第1、2维（h、w）用tf.reduce_mean求均值即可：

net = tf.reduce_mean(net, [1, 2], name='global_pool', keep_dims=True)

---

[1] What does global pooling do?
[2] Global average Pooling
[3] How do I do global average pooling in TensorFlow?
[4] tf.reduce_mean实现global average pooling（全局均值池化）