池化层是模仿人的视觉系统对数据进行降维,用更高层次的特征表示图像。
实施池化的目的:(1) 降低信息冗余;(2) 提升模型的尺度不变性、旋转不变性;(3) 防止过拟合。
池化层的常见操作包含以下几种:最大值池化,均值池化,随机池化,中值池化,组合池化等。
出现的原因:图像深度学习中图像尺寸过大,引入池化以减少参数矩阵的尺寸,从而减少最后全连层中的参数数量——根本目的为了防止过拟合。
在图像识别领域,池化还能提供平移和旋转不变性。若对某个区域做了池化,即使图像平移/旋转几个像素,得到的输出值也基本一样,因为每次最大值运算得到的结果总是一样的。
常出现的场合:卷积层后一般会跟上一个池化层
实际上是一种降采样的方式