在语义分割中pooling操作可以较小特征图尺寸,降低网络的参数量,获得更大的感受野,使得CNN在语义分割的任务中更加高效。但是pooing操作并不是完美的,它也存在如下的一些缺陷:
- Max pooling/ Average pooling/ Up-sampling / pooling layer (例如双线性插值) 是确定性的,无法像卷积层通过学习得到;
- 内部数据结构丢失;空间层级化信息丢失;
- 小物体信息无法重建 (假设有四个pooling layer 则 任何小于 2^4 = 16 pixel 的物体信息将理论上无法重建)。