参考:微信公众号有三AI
池化有啥用?
答:(1) 增大感受野
感受野就是一个像素对应的原来特征图的区域大小,假设最后一层特征图大小不变,在某种卷积setting下,要想看到原来大小为224*224的图像,就需要很多卷积层。而使用pooling也可以达到增大感受野的目的。
(2) 平移不变性
由于pooling对特征图进行抽像,获取的是某个区域的特征,而不关心具体位置,这时当原来的特征图发生轻微的变化时,不影响最后的结果。
(3) 容易优化
没有参数,容易优化。
pooling现状 ?
很多地方用带步长卷积代替pooling。
还有没有人用?
有,某些场合,比如shufflenet。