CNN中pooling層的作用

1、pooling是在卷積網絡（CNN）中一般在卷積層（conv）之後使用的特徵提取層，使用pooling技術將卷積層後得到的小鄰域內的特徵點整合得到新的特徵。一方面防止無用參數增加時間複雜度，一方面增加了特徵的整合度。 2、pooling是用更高層的抽象表示圖像特徵，至於pooling爲什麼可以這樣做，是因爲：我們之所以決定使用卷積後的特徵是因爲圖像具有一種「靜態性」的屬性，這也就意味着在一個圖

>>阅读原文<<