Global average pooling 之前
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
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