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。