Title:
Detail-Preserving Pooling in Deep Networks
URL:
https://arxiv.org/pdf/1804.04076.pdf
概述
CVPR2018的文章,提出了一种保存细节的pooling层,且该层可微。可以代替max-pooling层,实现性能的提升。
作者:
Motivation:
作者认为average-pooling和stride convolutions都可以看做卷积操作,不具备activation功能,且不具备随着feature map的改变而改变的能力。max pooling具备activation功能,最大池化的一个缺点是它不可微分,因此在学习期间必须求助于子差分。作者认为max pooling中梯度的传递仅限于最大值,在网络结构比较深的时候,这会成为一个问题。所以作者想在average-pooling和max-pooling之间进行一个折中。
Contribution:
提出了一种可微的、保存细节的Pooling层。
方法:
作者的Detail-Preserving Pooling(DPP)Deta