深度学习 Global average pooling (GAP) 全局平均池化

最新推荐文章于 2024-02-20 17:00:00 发布
最新推荐文章于 2024-02-20 17:00:00 发布
阅读量2.1k 收藏 4
点赞数 2
文章标签： 深度学习 神经网络 pytorch
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/puspos/article/details/120040784
版权

全局平均池化 CNN 过拟合 分类 全连接层
关键词由CSDN通过智能技术生成

Global average pooling 之前

在这里插入图片描述

如何分类

cnn中通常在最后分类时，最后用全连接层接softmax激活函数进行分类。
最后一层卷积通过卷积得到全连接的输入
最后一层的卷积得到的feature map为(channels_in, h,w)，通过一个卷积核(channels,h,w)，得到一个神经元即(1,1,1)。若全连接层的输入要求有1024个神经元，则需要1024个卷积核。

存在的问题

全连接参数量过大，降低了训练的速度，且很容易过拟合

Global average pooling

把最后一层得到的feature map直接分类
在这里插入图片描述

效果

对整个网路在结构上做正则化防止过拟合，分类效果更好

puspos
关注
什么是全局平均池化，全局最大池化
thequitesunshine007的博客
07-17 1万+
下面举个例子，假如最后的一层的数据是10个6*6的特征图，global average pooling是将每一张特征图计算所有像素点的均值，输出一个数据值。 即对于每一层的6x6=36个像素点，计算这36个像素点的均值（最大值），由于共有10层，所以共得到10个数据。 这样10 个特征图就会输出10个数据点，将这些数据点组成一个1*10的向量的话，就成为一个特征向量，就可以送入到softmax的分类中计算。 ...
Global Average Pooling与FC与Average Pooling与 Global Max Pooling
yang_daxia的博客
02-25 724
1.Global Average Pooling Global Average Pooling（GAP）出自 Network in network GAP 输入(H, W, C)-->（1, 1, C） 直接在HW上pooling，将信息压缩到一个点。 优点：和FC相比无训练参数，所以可以防止过拟合 参考https://zhuanlan.zhihu.com/p/376836...
关于 global average pooling
William Zhao's notes
02-01 1万+
Golbal Average Pooling 第一次出现在论文Network in Network中，后来又很多工作延续使用了GAP，实验证明：Global Average Pooling确实可以提高CNN效果。 Fully Connected layer 很长一段时间以来，全连接网络一直是CNN分类网络的标配结构。一般在全连接后会有激活函数来做分类，假设这个激活函数是一个
Global average Pooling
热门推荐
Losteng的博客
05-28 4万+
最近在看关于cifar10 的分类的识别的文章 在看all convolution network 中看到中用到一个global average pooling  下面就介绍一下global average pooling  这个概念出自于 network in network  主要是用来解决全连接的问题，其主要是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
对全局平均池化（GAP）过程的理解
u014264373的博客
05-30 1万+
对学习Class Activation Mapping（CAM）原文献的时候提到的全局平均池化GAP方法做个简单的知识补充。所谓的全局就是针对常用的平均池化而言，平均池化会有它的filter size，比如 2 * 2，全局平均池化就没有size，它针对的是整张feature map.全局平均池化（Global average Pooling）由 M. Lin, Q. Chen, and S. Y...
Global average pooling
bbbeoy的专栏
08-27 556
Golbal Average Pooling 第一次出现在论文Network in Network中，后来又很多工作延续使用了GAP，实验证明：Global Average Pooling确实可以提高CNN效果。 Traditional Pooling Methods 要想真正的理解Global Average Pooling，首先要了解深度网络中常见的pooling方式，以及全连接层。 ...
全局平均池化（Global Average Pooling）
又帅又酷的红头发10号
02-12 2万+
出处：Lin M, Chen Q, Yan S. Network in network[J]. arXiv preprint arXiv:1312.4400, 2013. 定义：将特征图所有像素值相加求平局，得到一个数值，即用该数值表示对应特征图。 目的：替代全连接层 效果：减少参数数量，减少计算量，减少过拟合 思路：如下图所示。假设最终分成10类，则最后卷积层应该包含10个滤波器（即输...
6. 全连接层与全局平均池化1
08-03
2. 全局平均池化（Global Average Pooling）的理解： 全局平均池化是对特征图进行整体平均操作，代替了传统的最大池化或平均池化。传统池化的主要目的是降采样，减少数据维度，保留重要特征，并增强模型的旋转不变性...
TensofFlow学习记录：全局均值池化
weixin_41137655的博客
06-29 5051
全局均值池化就是在平均池化层中使用同等大小的过滤器将其特征保存下来。这种结构用来代替深层网络结构最后的全连接输出层。这个方法也是《Network In Network》论文中所论述的。 以下为《Network In Network》论文中关于全局均值池化的翻译，原文请点击这里 传统卷积神经网络在网络的较低层执行卷积。对于分类任务，最后一个卷积层得到的特征图被向量化然后送入全连接层，接一个softm...
Resnet代码实现+为什么使用全局平均池化​​​​​​​
m0_37644085的博客
04-11 4859
1.ResNet直接使用stride=2的卷积做下采样，并且用global average pool层替换了全连接层。 GAP的真正意义是:对整个网路在结构上做正则化防止过拟合。但是值得我们注意的是，使用gap可能会造成收敛速度减慢。用一个GAP将N个feature map降维成1*N大小的feature map,再用class个1*1卷积核将1*N的feature map卷成1*class的向...
【GAP】Global average Pooling
咖啡味儿的咖啡
04-28 496
这个概念出自于 network in network 主要是用来解决全连接的问题，其主要是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 进行softmax中进行计算。 举个例子 假如，最后的一层的数据是10个6*6的特征图，global average pooling是将每一张特征图计算所有像素点的均值，输出一个数据值，这样10 个特征图就...
深度学习的可解释性|Global Average Pooling(GAP)
boy854456187的博客
04-01 2640
GAP (Global Average Pooling)可用于模型微调,在做图像分类比赛时效果较好.最早在<>中提出. 在常见的卷积神经网络中,全连接层之前的卷积层负责对图像进行特征提取,在获取特征后,传统的方法是接上全连接层之后再进行激活分类,而GAP的思路是使用GAP来替代该全连接层(即使用池化层的方式来降维),更重要的一点是保留了前面各个卷积层和池化层提取到的空间信息\语义信息,所以在实际应用中效果提升也较为明显!,另外,GAP去除了对输入大小的限制!,而且在卷积可视化Grad-CAM中也
Global Average Pooling
okmacong的博客
04-20 720
主要是用来解决全连接的问题，其主要是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 进行softmax中进行计算。 举个例子 假如，最后的一层的数据是10个6*6的特征图，global average pooling是将每一张特征图计算所有像素点的均值，输出一个数据值， 这样10 个特征图就会输出10个数据点，将这些数据点组成一个1*10的向量的话，就...
深度学习的全局平均池化（GAP）技术
最新发布
02-20 1556
在深度学习，特别是卷积神经网络（Convolutional Neural Networks, CNNs）的发展过程中，全局平均池化（Global Average Pooling, GAP）技术已成为一种重要的结构组件，尤其是在图像识别和分类任务中。全局平均池化（GAP）是一种池化（Pooling）操作，它在卷积神经网络的最后一层卷积层之后被应用，用于将每个特征图（Feature Map）的平均值作为该特征的总体表示。具体来说，对于每一个特征图，GAP计算所有元素的平均值，生成一个单一的标量值。
GAP(Global Average Pooling)
Crazy的博客
05-09 2387
GAP出自于论文 Network in Network 常见CNN的网络结构为： Input Layer、Convolutional Layer、Pooling Layer、Fully Connected Layer、Output Layer 论文使用GAP来代替最后的全连接层，对最后一层每一个特征图，进行全局的均值池化。这样，每个特征图对应一个特征点。所有特征点组成的特征向量，进行softmax...
全局平均池化GAP
越努力，越幸运
11-22 465
Resnet50部分cfg文件 [convolutional] batch_normalize=1 filters=2048 size=1 stride=1 pad=1 activation=linear [shortcut] from=-4 activation=leaky [convolutional] filters=1000 size=1 stride=...
全局平均池化GAP与2D-DCT的数学关系
07-08
全局平均池化（Global Average Pooling，GAP）和2D-DCT（二维离散余弦变换）是两种不同的数学操作，它们在图像处理和计算机视觉领域有不同的应用。 全局平均池化是一种降采样操作，它将输入的特征图分成若干个区域...
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