机器学习——汇聚层

最大汇聚层和平均汇聚层

 

填充和步幅

 

多个通道

 

汇聚层的目的

1. 降低卷积层对位置的敏感性

卷积层的输出特征图对目标的位置是很敏感的。池化可以减少这种位置敏感性。比如我们做2x2最大池化,输出特征图的值就仅依赖于输入特征图2x2的区域,不再过于依赖位置信息。

2. 降低对空间采样表示的敏感性

卷积层输出的特征图有很多重复冗余信息,池化可以降低重复性。比如2x2最大池化,会保留最大值而移除冗余信息。

 

总结 

• 汇聚层的主要优点之一是减轻卷积层对位置的过度敏感。

• 使用最大汇聚层以及大于1的步幅，可减少空间维度（如高度和宽度）。

• 汇聚层的输出通道数与输入通道数相同。