1. 最大池化max pooling
最大池化即为对领域内特征点求最大值,优点为可以很好地保留图像的细节特征。
2. 平均池化average pooling
平均池化即为对领域内的特征点求平均,能够很好地保留背景信息,但容易使得图片变模糊,即无法很好地保留图像的全局信息。
3. 随机池化stochastic pooling(使用较少)
随机池化通过对像素点按照数值大小赋予概率(数值越大则概率越大),再按照概率进行亚采样,概率越大则越容易被采样到,避免最大池化总是取最大值。并且在平均意义上,与平均池化近似;在局部意义上,则服从最大池化的准则。
4. 全局池化global pooling
全局池化用于解决全连接问题,其主要是将最后一层的特征图进行整张图的一个均值池化,形成一个特征点,将这些特征点组成最后的特征向量然后再连接到softmax中进行计算。
优缺点:可以大幅度减少网络参数(对于分类网络,全连接的参数占了很大比例),同时理所当然的减少了过拟合现象。并且其赋予了输出特征图每个通道的类别意义,剔除了全连接黑箱操作,但它可能会导致收敛速度过慢。