pooling
2024-09-28 21:13:59
转自：http://www.gageet.com/2014/09182.php
本文部分参考了：http://www.zhihu.com/question/23437871
卷积层是对图像的一个邻域进行卷积得到图像的邻域特征，亚采样层就是使用pooling技术将小邻域内的特征点整合得到新的特征。
pooling的结果是使得特征减少，参数减少，但pooling的目的并不仅在于此。pooling目的是为了保持某种不变性（旋转、平移、伸缩等），常用的有mean-pooling，max-pooling和Stochastic-pooling三种。
mean-pooling，即对邻域内特征点只求平均；
max-pooling，即对邻域内特征点取最大；
Stochastic-pooling，介于两者之间，通过对像素点按照数值大小赋予概率，再按照概率进行亚采样；
根据相关理论，特征提取的误差主要来自两个方面：（1）邻域大小受限造成的估计值方差增大；（2）卷积层参数误差造成估计均值的偏移。一般来说，mean-pooling能减小第一种误差，更多的保留图像的背景信息，max-pooling能减小第二种误差，更多的保留纹理信息。在平均意义上，与mean-pooling近似，在局部意义上，则服从max-pooling的准则。
PS.
在读lecun的文章，会持续更新。
从lecun的文章分析以及实验对比结果可以看到，基本上max pooling的效果胜出average pooling一筹。大概是average pooling更多保留的是背景信息的原因。不知道有没有背景建模里用到CNN，会不会这个地方用average pooling更好些？
最新文章
- ajax上传后用超链接展示无法下载问题
- Type InvokeMember()用法简介
- 启用Service Broker
- VC++实现在系统托盘来新消息闪烁，鼠标悬停显示窗口
- zz
- IE6下position:fixed;兼容
- 转：Android中Context详解 ---- 你所不知道的Context
- bashrc的加载
- Tomcat 搭配 Nginx 还是 Apache 呢?
- c++11 生产者/消费者
- WP开发使用BingMaps地图服务
- background-clip与background-origin两者的区别
- RabbitMQ学习3----运行和管理RabbitMQ
- 普通自适应遗传算法AGA的PC和PM公式解读
- Redis集群介绍
- CentOS7安装vsftpd3.0.2、以及虚拟用户配置
- vue 中axios 的基本配置和基本概念
- Atom插件下载失败解决办法
- 执行这些代码, Edit1只能输入数字,小数点和负号,负号和小数点只能输入一个,负号必须在最前,粘贴的数字必须完全正确.
- GuildBrowser使用AF+MVC 学习笔记