超级会员免费看
全局平均池化是一种池化方法，通过计算输入图像所有像素的平均值来获取特征表示，有助于保留整体特征，减少过拟合风险。在ResNet50等模型中，全局平均池化用于提取多通道特征，每个通道代表不同分类的特征强度，从而实现精确的图像分类。
在了解了池化算法的基本概念之后，继续了解一个应用很广泛的池化，叫作全局平均池化。
先看下平均池化。平均池化就是在池化核标定的范围内，对像素取平均值然后作为输出。在很多AI框架或算法描述中，平均池化大概可以分为两种：一种叫作adaptive average pool(自适应平均池化）, 另一种叫作 globle average pool（全局平均池化）。
自适应平均池化，单从算法本身讲，可以看做就是普通的池化，它的池化核可大可小，依据神经网络的算法和结构设计来决定。
而如果池化核的大小和输入图片一样，那么就变成了全局平均池化（GAP, Globle Average Pool）。
如上图，全局平均池化的池化核大小和输入图片的长宽大小一致，都是6x6，因此，池化的结果就是只有一个 1x1 的像素点，上图 d = 3代表是输入图片的 3 个通道。（图源网络）
经过了上图的池化操作，就可以得到一个 1x1x3 的输出
订阅专栏 解锁全文
扫一扫
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
