降采样_深度卷积神经网络中的降采样

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“”立刻申请入群~

作者 | mileistone

来源 | https://zhuanlan.zhihu.com/p/46633171

已获作者授权，请勿二次转载

降采样指的是成比例缩小特征图宽和高的过程，比如从(W，H)变为(W/2，H/2)。深度卷积神经网络中降采样的方法主要有三种：

1、stride大于1的pooling

2、stride大于1的conv

3、stride大于1的reorg(在YOLOv2的论文里叫passthrough layer)

reorg: github.com/pjreddie/darknet/blob/master/cfg/yolov2.cfg

其中1和2在深度卷积神经网络中使用非常普遍，3比较小众，由Joseph Redmon在YOLOv2中首次提出。

1和2的对比在Striving for Simplicity: The All Convolutional Net中有详述，文末有这么一段总结：