全局平均池化（Golbal Average Pooling）

在卷积特征之上有消除全连接层的趋势。最有力的例子是全局平均池化（global average pooling），它已被应用于最先进的图像分类模型中。

 

提出：Lin, M., Chen, Q., & Yan, S. (2013). Network in network. arXiv preprint arXiv:1312.4400.

定义：为每个类别分配一个特征图，将特征图所有像素值相加求平局，得到一个数值，即用该数值表示对应特征图。作为后续softmax层的输入。

目的：替代全连接层。

效果：减少参数数量，减少计算量，减少过拟合。

思路：如下图所示。假设最终分成10类，则最后卷积层应该包含10个滤波器（即输出10个特征图），然后按照全局池化平均定义，分别对每个特征图，累加所有像素值并求平均，最后得到10个数值，将这10个数值输入到softmax层中，得到10个概率值，即这张图片属于每个类别的概率值。

 

 

 

 

https://blog.csdn.net/u012911202/article/details/87099559