Max Pooling介绍
卷积神经网络CNN中,一般在卷积层后还会有一个 pooling层,即池化层,池化层做的实际是数据降维,简化计算。
max pooling的操作如下图所示:整个图片被不重叠的分割成若干个同样大小的小块(pooling size),每个小块内只取最大的数字,舍弃其他节点后,保持原有的平面结构得出output。
注意区分max pooling(最大值池化)和卷积核的操作区别:池化作用于图像中不重合的区域(这与卷积操作不同),上图是4*4的图片,由于不会重合,所以filter的大小和步长stride是相等的,均为2。
Max Pooling的作用
1.translation(平移)不变性(invariance)
左边两个大图中表示数字1,但是两个1的位置不同,上者向右平移得到下者,在经过池化后,得到了相同的结果。
2.rotation(旋转)不变性
左边两个大图中表示数字1,但是两个1的角度不同,上者旋转得到下者,在经过池化后,得到了相同的结果。