你知道有哪些池化方法

問題引入

卷積神經網絡的中常常用到池化這麼一個操做，那麼池化操做有哪些方法呢？

問題解答

池化操做一般也叫作子採樣(Subsampling)或降採樣(Downsampling)，在構建卷積神經網絡時，每每會用在卷積層以後，經過池化來下降卷積層輸出的特徵維度，有效減小網絡參數的同時還能夠防止過擬合現象。池化操做能夠下降圖像維度的緣由，本質上是由於圖像具備一種「靜態性」的屬性，這個意思是說在一個圖像區域有用的特徵極有可能在另外一個區域一樣有用。所以，爲了描述一個大的圖像，很直觀的想法就是對不一樣位置的特徵進行聚合統計。例如，能夠計算圖像在固定區域上特徵的平均值 (或最大值)來表明這個區域的特徵。

SPPNet就引入了空間池化的組合，對不一樣輸出尺度採用不一樣的滑窗大小和步長以確保輸出尺度相同，同時用如金字塔式疊加的多種池化尺度組合，以提取更加豐富的圖像特徵。經常使用於多尺度訓練和目標檢測中的區域提議網絡(Region Proposal Network)的興趣區域(Region of Interest)提取

參考：

[1] https://www.zhihu.com/question/49376084

喜歡就關注一下啦~~~