pooling 与 unpooling 深度解析

pooling 和 unpooling这两种具体实现方式对应到神经网络的技术上就是downsampling和unsampling。两者在神经网络的系列方法中都使用较多,下面将从总体上分析两者的作用。

下采样(downsampling)

下采样是神经网络设计的必要方法,其主要作用是浓缩图像,减少运算量;另外一方面是扩大特征像素点对应的感知野,忽略掉一些细微的噪声信息,取得更好的检测等任务的效果。

上采样(upsampling)

我们知道,神经网路的设计过程中,深度较高的feature map基本丢失了检测任务中细小物体的信息,而较为底层的feature map则可以很好的表征出这种信息。 处于图像深度的信息以及检测的需要,使用到了上采样去检测细小物体。

大体上,从应用角度而言,这便是两者在目标检测领域的基本作用。

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值