随即池化的方法和意义

定义：

随机池化（Stochastic Pooling）可以看作在一个池化窗口内对特征图数值进行归一化， 按照特征图归一化后的概率值大小随机采样选择，即元素值大的被选中的概率也大。

意义:

既可以对数据进行降采样操作，又可以用p范数做非线性映射的“卷积”：

具体作用：

特征作用：使模型更关注包含一定的自由度，能容忍特征微小的位移。

特征降维：降采样使后续的计算量得到减少。

一定程度的防止过拟合。

其他池化的常见方法：

最大值池化：在池化区域内选取最大值。

优点：他能学习到图像的边缘和纹理结构。

 

均值池化：在池化区域内求均值。

优点：减小估计均值的偏移，提高模型的鲁棒性。

 

随机池化：

按照一定概率随机选取其中一个元素，介于平均池化和最大池化之间，并且受dropout的启发，具有更好的正则化效果；可以看作在输入图片的许多副本进行标准的最大值池化。