深度学习 什么是池化层(Pooling layers)

池化层是当前卷积神经网络中常用组件之一,它最早见于 LeNet 一文,称之为 Subsample。

自 AlexNet 之后采用 Pooling 命名。

池化层是模仿人的视觉系统对数据进行降维,用更高层次的特征表示图像。

实施池化的目的:

  • (1) 降低信息冗余;
  • (2) 提升模型的尺度不变性、旋转不变性;
  • (3) 防止过拟合。

池化层的常见操作包含以下几种:

  • 最大值池化
  • 均值池化
  • 随机池化
  • 中值池化
  • 组合池化

转载请注明来源。 欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。 可以在下面评论区评论,也可以邮件至 sharlot2050@foxmail.com。

文章标题:深度学习 什么是池化层(Pooling layers)

字数:142

本文作者:夏来风

发布时间:2021-02-02, 22:27:01

原始链接:http://www.demo1024.com/blog/ai-dl-pooling-layers/

版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。