全局池化(global pooling)

本文深入解析全局池化(global pooling)的概念及其在深度学习中的应用。全局池化将整个特征图视为一个滑动窗口,将其转换为固定大小的输出,常用于简化计算并替代传统池化。文中探讨了全局平均池化(global avg pooling)和全局最大池化(global max pooling)等不同实现方式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

原文博客:https://blog.youkuaiyun.com/JNingWei/article/details/80064451

global pooling是pooling的滑窗size和整张feature map的size一样大。这样,每个 W×H×C 的feature map输入就会被转化为 1×1×C 输出。因此,其实也等同于每个位置权重都为 1/(W×H) 的FC层操作。global pooling 在滑窗内的具体pooling方法可以是任意的,所以就会被细分为global avg poolingglobal max pooling等。

由于传统的pooling太过粗暴,操作复杂,目前业界已经逐渐放弃了对pooling的使用。
替代方案 如下:

  • 采用 Global Pooling 以简化计算;
  • 增大conv的 stride 以免去附加的pooling操作。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值