池化Pooling中的Max Pooling

2024-05-20 04:49:48

目录

Max Pooling介绍
Max Pooling的作用

Max Pooling介绍

卷积神经网络CNN中，一般在卷积层后还会有一个 pooling层，即池化层，池化层做的实际是数据降维，简化计算。
max pooling的操作如下图所示：整个图片被不重叠的分割成若干个同样大小的小块(pooling size)，每个小块内只取最大的数字，舍弃其他节点后，保持原有的平面结构得出output。

注意区分max pooling(最大值池化)和卷积核的操作区别：池化作用于图像中不重合的区域(这与卷积操作不同)，上图是4*4的图片，由于不会重合，所以filter的大小和步长stride是相等的，均为2。

Max Pooling的作用

1.translation(平移)不变性(invariance)
左边两个大图中表示数字1，但是两个1的位置不同，上者向右平移得到下者，在经过池化后，得到了相同的结果。

2.rotation(旋转)不变性
左边两个大图中表示数字1，但是两个1的角度不同，上者旋转得到下者，在经过池化后，得到了相同的结果。

3.scale(尺度)不变性
左边两个大图中表示数字0，但是两个0的尺度不同，上者缩小得到下者，在经过池化后，得到了相同的结果。

4.举例

黄色区域中黑色的形状均为“横折”，经过22的filter之后，得到了33的output，再经过33的最大值池化后，都会得到11的output–3。可以看出，“横折”这个形状，在经过池化后得到的结果是相同的，这就减小了下一层输入大小，减小计算量和参数个数，完成了降维(减小feature map的尺寸)。

池化Pooling中的Max Pooling相关推荐

【CV】图像分类中的max pooling和average pooling区别
卷积神经网络中,经常采用池化操作,一般都会在卷积层后面接一个池化操作.近些年,比较主流的ImageNet的分类算法模型都是使用max pooling,很少使用average Pooling,这对我们平 ...
练习：卷积和池化过程中注意事项
元素化相乘注意的是,我们在使用滤波器进行卷积的时候,是元素化相乘的,所以,要使用*,而不要使用np.multiply 卷积切片和池化切片我们基于图像学习来讨论这个问题. 对于多维参数输入而言,比如 ...
Global Average Pooling、Global Max Pooling
https://www.zhihu.com/question/358913301 https://blog.csdn.net/qq_16234613/article/details/79520929 ...
空间金字塔池化(Spatial Pyramid Pooling, SPP)原理和代码实现(Pytorch)
想直接看公式的可跳至第三节 3.公式修正一.为什么需要SPP 首先需要知道为什么会需要SPP. 我们都知道卷积神经网络(CNN)由卷积层和全连接层组成,其中卷积层对于输入数据的大小并没有要求,唯一对 ...
【模型解读】从LeNet到VGG，看卷积+池化串联的网络结构
文章首发于微信公众号<与有三学AI> [模型解读]从LeNet到VGG,看卷积+池化串联的网络结构从本篇开始,我们将带领大家解读深度学习中的网络的发展这是深度学习模型解读第一篇,本篇我 ...
深度学习（二十七）可视化理解卷积神经网络（反池化 pooling unpooling）
不明白pooling,unpooling以及upsampling的区别,所以查阅了一些资料以下为转载原文可视化理解卷积神经网络原文地址:http://blog.csdn.net/hjimce/a ...
一文弄懂各大池化Pooling操作
池化Pooling是卷积神经网络中常见的一种操作,Pooling层是模仿人的视觉系统对数据进行降维,其本质是降维.在卷积层之后,通过池化来降低卷积层输出的特征维度,减少网络参数和计算成本的同时,降低过 ...
ROI Pooling（感兴趣区域池化）
引言感兴趣区域池化(Region of interest pooling)(也称为RoI pooling)是使用卷积神经网络在目标检测任务中广泛使用的操作.例如,在单个图像中检测多个汽车和行人.其目 ...
ROI Pooling（感兴趣区域池化）【笔记】
引言感兴趣区域池化(Region of interest pooling)(也称为RoI pooling)是使用卷积神经网络在目标检测任务中广泛使用的操作.例如,在单个图像中检测多个汽车和行人.其目 ...

最新文章

热门文章