池化Pooling是卷积神经网络中常见的一种操作,Pooling层是模仿人的视觉系统对数据进行降维,其本质是降维。在卷积层之后,通过池化来降低卷积层输出的特征维度,减少网络参数和计算成本的同时,降低过拟合现象。
![v2-f3af3e774e41ef8d514e94fc90fa1a1e_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/42bc114011222cb518347a1dda8409bb.png)
![v2-8a7c2b5eec904c26bad8e25aa7f340da_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/42ab67badfdc56e5ffb44083eab84161.jpeg)
![v2-f2a50be656ca13188e39acd011214b96_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/bea02205c3588ff9b416172fc68d339c.png)
![v2-b39c85cf998ad8232f43c0afc7d9920a_b.jpg](https://i-blog.csdnimg.cn/blog_migrate/98bf29e6d83f4c3ff167218c4dcfc837.jpeg)
最大池化(Max Pooling)是将输入的图像划分为若干个矩形区域,对每个子区域输出最大值。即,取局部接受域中值最大的点。同理,平均池化(Average Pooling)为取局部接受域中值的平均值。
池化Pooling是卷积神经网络中常见的一种操作,Pooling层是模仿人的视觉系统对数据进行降维,其本质是降维。在卷积层之后,通过池化来降低卷积层输出的特征维度,减少网络参数和计算成本的同时,降低过拟合现象。
最大池化(Max Pooling)是将输入的图像划分为若干个矩形区域,对每个子区域输出最大值。即,取局部接受域中值最大的点。同理,平均池化(Average Pooling)为取局部接受域中值的平均值。