卷积神经网络—池化层(pooling)
池化层的作用:
- 增加平移不变性
- 降采样,即降维
- 增大感受野
1. 增加平移不变性
平移的不变性是指当我们对输入进行少量平移时,经过池化函数后的大多数输出并不会发生改变。
局部平移不变性是一个有用的性质,尤其是当我们关心某个特征是否出现,而不关心它出现的具体位置时。
2. 降采样(降维)
保留主要特征的同时减少参数和计算量,防止过拟合,提高模型泛化能力。
与基于卷积的降采样相比,pooling是每个feature map单独做降采样,不需要参数,更容易优化。
3. 增大感受野
所谓感受野,即一个像素对应回原图的区域大小。
下图经过两层大小为3x3,步长为1的卷积后,一个像素在原图上的感受野大小为5x5。
在两个卷积层中间加入一个池化层后,感受野变为7x7。