论文阅读：Detail-Preserving Pooling in Deep Networks

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