Max Pool和Average Pool区别、哪个好

最新推荐文章于 2023-05-26 11:27:23 发布
最新推荐文章于 2023-05-26 11:27:23 发布
阅读量4k 收藏 8
点赞数 3
分类专栏： 面试之CV基础知识 深度学习 点滴
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/qq_24502469/article/details/105119579
版权

特征提取的误差主要来自两个方面：

邻域大小受限造成的估计值方差增大；

卷积层参数误差造成估计均值的偏移。

Average-Pooling

能减小第一种误差，更多的保留图像的背景信息，强调对整体特征信息进行一层下采样，在减少参数维度的贡献上更大一点，更多的体现在信息的完整传递这个维度上

Max-Pooling

能减小第二种误差，更多的保留纹理信息，Max-Pooling感觉更像是做了特征选择，选出了分类辨识度更好的特征，提供了非线性

一般来说，Max-Pooling用的更多，效果更好

今 晚 打 老 虎
关注
专栏目录
Max - Pooling 与 Average - Pooling
Peyton's Blog
07-13 806
参考：https://www.zhihu.com/question/23437871 https://blog.csdn.net/u012193416/article/details/79432668 Pooling 的作用 Pooling 操作就是仿照人的视觉系统，进行dowm-sampling操作，而起到了整合特征的作用 特征提取中的误差来自于 邻域大小受限造成的估计方差增大 卷积层参数误差造成估计均值偏移 Max - Pooling 感觉更像是做了特征选择，选出了分...
Numpy实现MaxPooling2D（最大池化）和AveragePooling2D（平均池化）(1)
最新发布
2301_82242251的博客
04-20 923
知识点，真正体系化！**
Max Pooling和 Average Pooling的区别，使用场景分别是什么？
01-07
池化操作时在卷积神经网络中经常采用过的一个基本操作，一般在卷积层后面都会接一个池化操作，但是近些年比较主流的ImageNet上的分类算法模型都是使用的max-pooling，很少使用average-pooling，这对我们平时设计模型时确实有比较重要的参考作用，但是原因在哪里呢？        pooling作为一个对特征的操作，应该看具体任务。有论文提到，低层的网络对细节特征的响应更高，那么随着对特征的不断处理，高层的网络对抽象特征有更好的响应。pooling作为对特征的处理操作，也应该考虑，pooling前的数据是什么数据，数据代表了什么意义，数据的相关性是怎么样的。假设区分由不同点集构成
max pooling 和 average pooling
stdleohao的博客
10-01 668
采样： pooling 也叫subsample。采样是一个特征选择的过程。 如果不采样，则可能存在： overfitting 参数过多，导致运算量大 无法满足模型结构需求 池化层的特性： 它可以一定程度提高空间不变性（特征相对位置），比如说平移不变性，尺度不变性，形变不变性 特征提取的误差来源： 领域大小受限 卷积层权值参数误差 average pooling 和max-pooling 的主要区别在于： average -pooling能减小第一种误差，更多的保留图像的背景信 max
[cv] 池化（最大池化Maxpool、平均池化Averagepool、随机池化randpool）与反池化
心宝的博客
04-25 1万+
池化的定义比较简单，最直观的作用便是降维，常见的池化有最大池化、平均池化和随机池化。 池化层不需要训练参数。 1、 三种池化：最大池化Maxpool、平均池化Average_pool、随机池化randpool 最大池化是对局部的值取最大；平均池化是对局部的值取平均；随机池化是根据概率对局部的值进行采样，采样结果便是池化结果。概念非常容易理解，其示意图如下所示： 其中随机池化 1/(1+3+4) 4/8 0 3/8得到 2、三种池化的意义 （1）最大池化可以获取局部信息，可以更好保留纹理上的特征。如果不用观
49.maxpool和average pool哪个好1
08-03
比较max-pooling和average-pooling，我们可以发现，max-pooling更强调选择出分类辨识度更好的特征，而average-pooling更强调对整体特征信息进行下采样。max-pooling更适合用于卷积网络的早期层，而average-pooling更...
pool_config_multi.zip_SUM_max pooling_pooling
07-14
在给定的“pool_config_multi.zip”压缩包中，重点讨论了三种不同的池化操作：Sum Pooling、Max Pooling和Average Pooling。这些方法都是神经网络中的关键组件，特别是在卷积神经网络（CNNs）中。 **Max Pooling** ...
【深度学习】MaxPool和Avgpool
lizhengx的专栏
02-14 1662
共同点 1. 都是降采样 不同点 1. 从前景和背景分离的角度，MaxPool对边缘梯度敏感（有纹理说明有梯度，否则每个点都一样就是伸手不见五指的黑夜里有一个黑人，啥都区分不了），容易选出分类辨识度更好的特征，适合在网络早期针对空间特征下采样。 2. AvgPool更多保留图像/特征图的整体特征信息，例如在FC全连接前的下采样，注意力模型SENet等。 ...
mean-pooling（平均池化），max-pooling（最大池化）、Stochastic-pooling（随机池化）和global average pooling（全局平均池化）的区别简介
修行之路
05-26 1万+
mean-pooling（平均池化），max-pooling（最大池化）、Stochastic-pooling（随机池化）和global average pooling（全局平均池化）的区别简介
keras学习记录——resnet为什么用averagepooling？
weixin_41910772的博客
10-22 2070
keras学习记录——resnet为什么用averagepooling？ 目录 keras学习记录——resnet为什么用averagepooling？ 前言 一、池化层 二、为什么在resnet后加均值池化而不是最大池化？ 三、实际测试 总结 前言 本篇主要讨论resnet最后的pooling层为什么用averagepooling,而不是maxpooling? 主要用实验来回答这个问题，另外讲解了averagepooling和maxpooling的优缺点，并做了一些猜测（科研需要猜测，
池化 MaxPooling AveragePooling MeanPooling GlobalMaxPooling GlobalAveragePooling 区别
心之所向
03-11 1万+
MaxPooling AveragePooling 目的： 1、整合特征 2、减少参数 2、平移不变性 如上图使用的max pooling，当底层特征向右偏移一位时，由于max pooling 只关注较大值，可以看到上层特征变化不大。 上图中三个detector分别探测不同偏移方向的数字5，当探测到对应偏移的数字5时，相应的detector就会激活。而在detector上层的p...
average pool对detection效果不好？
northeastsqure的专栏
11-08 897
yolo 作者在https://github.com/DeepScale/SqueezeNet/issues/15，提到，ave pool 损失位置信息，可能对分类有效果。 所以他建议，使用ave pool之前的1000 feature map上 做检测。 是这样吗？有待实验验证。
深度学习| 用global average pooling 代替最后的全连接层
东南风的博客
08-18 2万+
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，将这些...
图像分类中的max pooling和average pooling是对特征的什么来操作的，结果是什么？
maria5201314的博客
02-07 3391
           接触到pooling主要是在用于图像处理的卷积神经网络中，但随着深层神经网络的发展，pooling相关技术在其他领域，其他结构的神经网络中也越来越受关注。 <img src="https://pic4.zhimg.com/58b4644ffe54e733fb133466a40a8a2f_b.jpg" data-rawwidth="458" data-rawhei
pytorch中global average pooling怎么写
jingtingxu369的博客
12-04 1万+
写法1 假如特征图是512，7，7，要变成512，1，1，使用GAP avgpool = nn.AvgPool2d(7, stride=1) #AvgPool2d(kernel_size=7, stride=1, padding=0)，kernel大小为7*7 写法2 avgpool = F.adaptive_avg_pool2d(feature_map, (1,1))
Average_Pooling（平均池化）
qq_37535492的博客
10-20 3660
import numpy as np def AveragePooling(image,kernel,step,padding): ''' W`=((W-kernel+2*padding)/step)+1 H`=((H-kernel+2*padding)/step)+1 输入格式： image=(C,W,H) Kernel_size=(C,kern...
Global Average Pooling全局平均池化的一点理解
热门推荐
qq_23304241的博客
05-12 5万+
  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。 众所周知CNN网络中常见结构是：卷积、池化和激活。卷积层是CNN网络的核心，激活函数帮助网络获得非线性特征，而池化的作用则体现在降采样：保留显著特征、降低特征维度，增大kernel的感受野。深度网络越往后面越能捕...
AttributeError: module 'cv2' has no attribute 'maxPool2D'
06-05
正确的函数名称是`cv2.maxPool2D()`，而不是`cv2.maxPool()`。下面是更正后的代码： ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('img1.jpg') # 最大池化 max_pool = cv2.maxPool2D...
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