数据挖掘 - 卷积中池化类型之间的实际区别是什么？ - 吾爱随笔录

数据挖掘机器学习神经网络

2022-02-28 12:55:10

我可以在我见过的大多数——实际上，正是所有——具体的 CNN 实现中找到最大池。但是，我看到还有其他几种类型（最小值、平均值、全局平均池等），但我看不出它们有什么不同，以及在应用程序中选择它们的最佳标准是什么。有人有线索吗？

我了解到池化是一种下采样，我们可以保留原始图像的位置，这些位置与我们搜索的特定特征具有最强的相关性。到目前为止，很合理。但是，例如，找到与最小池的最弱相关性有什么意义呢？

1个回答

最大池化、平均池化和最小池化有什么区别？

池化函数 $f: \mathbb{R}^n \rightarrow \mathbb{R}$ 是一个非常对称的函数：

f (x_{1}, x_{2}, \dots, x_{n}) = f (x_{2}, x_{1}, \dots, x_{n}) = f (x_{n}, x_{1}, \dots, x_{2}) = \dots

$f(x_1, x_2, \dots, x_n) = f(x_2, x_1, \dots, x_n) = f(x_n, x_1, \dots, x_2) = \dots$

所以函数不关心参数的顺序。这是这种情况 $\min$ , $\max$ 和平均值。

在 CNN 的上下文中，您将池化函数独立地应用于每个特征图。池化层的输出具有与输入一样多的特征图。对于每个特征图，你取一个部分并对其应用池化函数。通常，您以的步幅应用它，以便输出远小于输入（仅）。 $p \times p$ $f$ $s > 1$ $\frac{1}{s^2}$

我了解到池化是一种下采样，我们可以保留原始图像的位置，这些位置与我们搜索的特定特征具有最强的相关性。

仅当您谈论最大池时，这才是正确的。通常是这种情况。虽然我不会说“相关”而是“激活”。 $s > 1$

但是，例如，找到与最小池的最弱相关性有什么意义呢？

我不知道。我从未见过最小池被提及。你在哪里看到的？

其它你可能感兴趣的问题