pooling的作用以及各种不变性

最新推荐文章于 2024-03-13 16:21:07 发布
最新推荐文章于 2024-03-13 16:21:07 发布
阅读量2k 收藏 2
点赞数 1
分类专栏： 学习笔记 文章标签： pooling
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lt1103725556/article/details/103351097
版权

参考
CNN网络的pooling层有什么用？ - 谢志宁的回答 - 知乎
https://www.zhihu.com/question/36686900/answer/130890492
CNN网络的pooling层有什么用？ - 谢志宁的回答 - 知乎
https://www.zhihu.com/question/36686900/answer/130890492
CNN入门讲解：什么是采样层（pooling） - 蒋竺波的文章 - 知乎
https://zhuanlan.zhihu.com/p/32299939

1、pooling的作用
主要是采样，减少参数，防止过拟合
2、pooling层的空间不变性
包括平移不变性，旋转不变性，尺度不变性
也就是说，对于同一个物体，就算经过了平移、旋转、尺度放缩之后，再经过pooling层，得到的特征图都是不变的(或者说差不多的)
3、各种pooling
（1）max pooling 主要是提取边缘特征，更多地保留纹理信息
（2）average pooling 把filter 里面的所有值求一个平均值，提取比较平滑，更多地保留背景信息
（3）global average pooling NIN里面的一个结构，具体的看了论文再写

Rainylt
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
计算机视觉 | 面试题：07、Pooling层的作用以及如何进行反向传播
Mrrunsen的博客
09-08 2657
问题 CNN网络在反向传播中需要逐层向前求梯度，然而pooling层没有可学习的参数，那它是如何进行反向传播的呢？ 此外，CNN中为什么要加pooling层，它的作用是什么？ Pooling层 CNN一般采用average pooling或max pooling来进行池化操作，而池化操作会改变feature map的大小，例如大小为64×64的feature map使用2×2的步长池化后，feature map大小为32×32。因此，这会使得在反向传播中，pooling层的梯度无法与前一层相对应。 那怎么解
mysql pooling 作用_神经网络中的池化层(pooling)
weixin_42451611的博客
01-21 274
在卷积神经网络中，我们经常会碰到池化操作，而池化层往往在卷积层后面，通过池化来降低卷积层输出的特征向量，同时改善结果(不易出现过拟合)。为什么可以通过降低维度呢？因为图像具有一种“静态性”的属性，这也就意味着在一个图像区域有用的特征极有可能在另一个区域同样适用。因此，为了描述大的图像，一个很自然的想法就是对不同位置的特征进行聚合统计，例如，人们可以计算图像一个区域上的某个特定特征的平均值 (或最大...
CNN中pooling层的作用
热门推荐
一个做图像文本的深度学习人
03-12 3万+
1、pooling是在卷积网络（CNN）中一般在卷积层（conv）之后使用的特征提取层，使用pooling技术将卷积层后得到的小邻域内的特征点整合得到新的特征。一方面防止无用参数增加时间复杂度，一方面增加了特征的整合度。2、pooling是用更高层的抽象表示图像特征，至于pooling为什么可以这样做，是因为：我们之所以决定使用卷积后的特征是因为图像具有一种“静态性”的属性，这也就意味着在一个图像...
汇合层（Pooling 层）的作用
卖火柴的小男孩
02-28 3259
汇合层可以看成是一种用p-范数作为非线性映射的“卷积”操作。当p为正无穷时，就是最常见的最大值汇合。汇合层主要有三个功效： 1、特征不变性，汇合操作使模型更加关注是否存在某些特征而不是特征具体的位置，可以看做是一种很强的先验，是特征学习包含某种程度自由度，能容忍一些特征微小的位移。 2、特征降维。类似于做了维度约减，使模型可以抽取更广泛围的特征，减小了下一层输入大小，进而减小计算量和参数个数。...
pooling作用
Bruce_0712的博客
05-18 507
作者：言有三 链接：https://www.zhihu.com/question/36686900/answer/476117375 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 (1) 增大感受野 所谓感受野，即一个像素对应回原图的区域大小，假如没有pooling，一个3*3，步长为1的卷积，那么输出的一个像素的感受野就是3*3的区域，再加一个stride=1的3*3卷积，则感受野为5*5，我们看左上角像素的传播就明白了。 依次，再多一个卷积，则为7*7..
一文弄清池化层（pooling）的作用
最新发布
dont worry about it的博客
03-13 5万+
例如，输入为(1, 5, 3), 最大池化将会取5，如果将输入右移一位得到(0, 1, 5)，输出的结果仍将为5。对伸缩的不变形，如果原先的神经元在最大池化操作后输出5，那么经过伸缩（尺度变换）后，最大池化操作在该神经元上很大概率的输出仍是5.,造成模型的训练困难和过拟合现象,所以将池化层置于连续的卷积层之间,以压缩数据量和参数以减少过度拟合,对卷积层输出的特征图进行特征选择。如图所示,其中,选择某个像素点相邻区域内的最大值是最大池化操作;：池化操作是模型更加关注是否存在某些特征而不是特征具体的位置。
08_Pooling层的作用以及如何进行反向传播1
08-03
CNN网络中的Pool层，通常分为平均池化(Average Pooling)和最大池化(Max Pooling)，其主要目标是减少数据维度，提高模型的泛化能力，并引入不变性特性。在反向传播过程中，由于Pool层没有可学习的参数，因此其处理...
ShiftInvariant平移不变性-BlurPool
01-20
在传统CNN中，人们通常认为最大池化（Max Pooling）或平均池化（Avg Pooling）能够引入一定程度的平移不变性，然而实际情况并非如此理想。论文《Making Convolutional Networks Shift-Invariant Again》在ICML 2019...
Hi3559开发环境Ruyi Studio中caffe环境（包含roi_pooling）
03-29
ROI Pooling是Caffe中的一种关键层，它在目标检测和图像分割任务中起着至关重要的作用。ROI（Region of Interest）池化层的主要功能是从特征图中提取指定区域的特征，保持大小不变，以便后续全连接层处理。这一操作...
2019-ICLR-Pooling Is Neither Necessary nor Sufficient for Approp
08-04
这些发现为交错池化在CNNs中的作用以及形变不变性提供了新的见解，并强调了即使是我们对神经网络最基本假设的严谨实证检验的重要性。这项工作提醒我们，不能仅仅依赖直觉和传统做法，而应该通过实验探索和理解模型的...
particular object retrieval with integral max-pooling of cnn activations.pdf
12-17
Sivic和Zisserman的Bag-of-Words模型以及Lowe的局部不变特征（如SIFT）和Philbin等人提出的大型视觉词汇表是过去十年中图像检索领域的基础。尽管这些方法在过去取得了成功，但随着CNN的发展，它们的地位受到了挑战。...
【深度学习】CNN中pooling层的作用
TwcatL_tree
11-24 961
(1) translation invariance：这里举一个直观的例子(数字识别)，假设有一个16x16的图片，里面有个数字1，我们需要识别出来，这个数字1可能写的偏左一点(图1)，这个数字1可能偏右一点(图2)，图1到图2相当于向右平移了一个单位，但是图1和图2经过max pooling之后它们都变成了相同的8x8特征矩阵，主要的特征我们捕获到了，同时又将问题的规模从16x16降到了8x8，而且具有平移不变性的特点。图中的a（或b）表示，在原始图片中的这些a（或b）位置，最终都会映射到相同的位置。
pooling layer(池化层)介绍及作用
QFJIZHI的博客
11-30 1万+
1. 种类 常见的的池化层有最大池化(max pooling)和平均池化(average pooling): 2. 作用 通过池化层可以减少空间信息的大小,也就提高了运算效率; 减少空间信息也就意味着减少参数,这也降低了overfit的风险; 获得空间变换不变性(translation rotation scale invarance,平移旋转缩放的不变性); 下面展示了不变性的例子,下面的...
CNN网络的pooling层作用
Weyoung_的博客
03-02 381
https://www.zhihu.com/question/36686900[知乎] 个人觉得主要是两个作用： 1. invariance(不变性)，这种不变性包括translation(平移)，rotation(旋转)，scale(尺度) 2. 保留主要的特征同时减少参数(降维，效果类似PCA)和计算量，防止过拟合，提高模型泛化能力 (1) translation invariance...
激活层和pooling的作用
weixin_34273481的博客
05-21 912
激活层： 激活函数其中一个重要的作用是加入非线性因素的，将特征映射到高维的非线性区间进行解释，解决线性模型所不能解决的问题 ｐｏｏｌｉｎｇ层： 1. invariance(不变性)，这种不变性包括translation(平移)，rotation(旋转)，scale(尺度)2. 保留主要的特征同时减少参数(降维，效果类似PCA)和计算量，防止过拟合，提高模型泛化能力 参考：https://w...
CNN—pooling层的作用
MachineLP的专栏
08-14 1654
此处是个人见解：欢迎微信探讨：lp5319 1、是构建更深层次的网络变得可行； 2、使得filters获得更多的全局和contextual（上下文）信息； 3、使训练可行，也可以说使得训练变得更高效，主要是针对深层次的网络结构来说； 4、使得 特征map大小和数量进行更好的选择（权衡）。例如，就用输入到全连接层的前一层conv来说，特征map太大的话，特征数量就不易太多，通过pooling
【深度学习理论 卷积神经网络04】快速了解池化层（Pooling）的功能和运作方式
汪汪杂记
07-10 265
本文是笔记，参考课程图文 池化层 01. 功能 除了卷积层以外，另一个重要的隐藏层 是一个下采样的操作 用于快速减少输入的大小，同时不丢失重要的信息 02. 常见池化层 1. max pooling 最大值池化 2. average pooling 平均值池化 03. 概念理解 以此图为例，可以看到被分成大小相同，形状相同的四块，实际上是矩阵核的初始位置和三次滑动，即类似之前提到的kernel卷积核 矩阵核：2 * 2 stride步长：2 输出结果形状计算： （4-2）/ 2 +1 公式可见： ht
存在感逐渐降低的池化层——Pooling Layer总结
Liu Feng's Blog
04-27 3738
文章目录1. Pooling的作用2. 各种不同的Pooling1. max pooling（最大池化层）2. average pooling （平均池化层）3. Global Average Pooling（全局平均池化层）4. mix pooling（混合池化层）5. stochastic pooling(随机池化)6. Local Importance-based pooling（局部重要性池化层）7. Generalized-mean Polling layer（GeM池化层）3. 使用卷积替代池.
roi pooling 层
09-18
这对于物体的位置和尺度不变性是非常重要的。ROI Pooling层的输出可以作为后续分类器的输入，用于检测和识别图像中的物体。 总之，ROI Pooling层是一种用于目标检测和物体识别任务的网络层，它可以将图像中感兴趣的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值