【AI深究】CNN中的常用池化与下采样（Pooling & Downsampling）——全网最详细全流程详解与案例（附Python代码演示）|数学表达、主流变体与架构创新、优缺点与工程建议、调优技巧

于 2025-07-10 21:24:22 发布
阅读量1.5k 收藏 28
点赞数 34
CC 4.0 BY-SA版权
分类专栏： 【AI深究】专栏系列 文章标签： 人工智能 cnn python 机器学习 神经网络 Pooling 池化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ai_aijiang/article/details/149257138
#代码星辉·七月创作之星挑战赛#

大家好，我是爱酱。本篇将会系统梳理卷积神经网络（CNN）中的池化（Pooling）与下采样（Downsampling）机制，包括原理、数学表达、主流方法、实际案例、可视化代码演示与工程应用建议，配合数学公式，帮助你全面理解CNN特征压缩与空间不变性的关键技术。

注：本文章含大量数学算式、详细例子说明及大量代码演示，大量干货，建议先收藏再慢慢观看理解。新频道发展不易，你们的每个赞、收藏跟转发都是我继续分享的动力！

一、什么是池化与下采样？

池化（Pooling）是CNN中用于降低特征图空间尺寸、减少参数和计算量、提升特征鲁棒性的重要操作。

下采样（Downsampling）泛指所有降低数据分辨率的操作，池化是其最常见实现方式。

  • 英文专有名词：Pooling, Downsampling, Max Pooling, Average Pooling, Global Pooling, Strided Convolution

  • 本质作用：

    • 压缩特征图尺寸，减少后续层计算负担

    • 提取局部统计信息，提升模型对平移、旋转等扰动的鲁棒性

    • 防止过拟合，增强泛化能力

二、主流池化方法与数学表达

1. 最大池化（Max Pooling）

  • 原理：在每个池化窗口内取最大值，突出显著特征。

  • 数学表达：

    y_{i,j} = \max_{(m, n) \in \mathcal{P}} x_{i+m,\, j+n}

    其中 $\mathcal{P}$ 为池化窗口，$x$ 为输入特征图，$y$ 为池化后输出。

2. 平均池化（Average Pooling）

  • 原理：在每个池化窗口内取均值，平滑特征响应。

  • 数学表达：

    y_{i,j} = \frac{1}{|\mathcal{P}|} \sum_{(m, n) \in \mathcal{P}} x_{i+m,\, j+n}

3. 全局池化（Global Pooling）

  • 原理：对整个特征图做池化（如全局平均池化），常用于卷积到全连接的过渡。

  • 数学表达：

    y = \frac{1}{H \times W} \sum_{i=1}^H \sum_{j=1}^W x_{i,j}

4. 步幅卷积（Strided Convolution）

步幅卷积是指卷积核在输入特征图上每次移动的步长（stride）大于1的卷积操作。也就是说，卷积核每次不是移动1个像素，而是移动$s$（步幅）个像素，从而实现对输入特征图的下采样，输出尺寸会变小。

数学表达：
如果步幅为$s$，则卷积核每次沿输入移动$s$个像素。

步幅卷积与最大池化（Max Pooling）的区别

方面步幅卷积（Strided Convolution）最大池化（Max Pooling）
操作方式卷积核加权求和，有可学习参数取池化窗口内的最大值，无参数
主要作用特征提取+降采样只做降采样（信息聚合）
计算方式加权卷积+激活函数简单的最大值操作
输出尺寸由步幅决定，通常会缩小由池化窗口和步幅决定，通常也会缩小
参数量有（可学习卷积核参数）无

  • 原理：通过设置卷积步幅$s>1$，实现空间降采样，无需显式池化层。

  • 数学表达：

    y_{i,j} = f\left(\sum_{m,n} w_{m,n} \cdot x_{s i + m,\, s j + n} + b\right)

  • 步幅卷积既可以提取特征又可以降采样，并且有可学习参数。

  • 最大池化只做降采样，没有可学习参数，只是取最大值。

三、池化与下采样的作用与工程意义

  • 降维与压缩：大幅降低特征图空间分辨率，减少后续参数和计算量。

  • 特征抽象：保留关键信息，抑制噪声和细节干扰。

  • 空间不变性：提升模型对输入平移、缩放等扰动的鲁棒性。

  • 防止过拟合：减少参数，降低模型复杂度，提升泛化能力。

四、实际案例与可视化代码演示

案例：池化对特征图的影响直观展示（以MNIST为例）

下面的代码完整演示了Max Pooling（最大池化）、Average Pooling（平均池化）、Global Average Pooling（全局平均池化）和Strided Convolution（步幅卷积下采样）在MNIST手写数字图像上的实际效果。每种方法都可视化特征图变化，便于直观理解其本质差异。

1. 代码实现（PyTorch + Matplotlib，无需Graphviz）
import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import numpy as np
from torchvision import datasets, transforms

# 1. 数据加载
transform = transforms.Compose([transforms.ToTensor()])
testset = datasets.MNIST(root='./data', train=False, download=True, transform=transform)
image, label = testset[0]  # image shape: [1, 28, 28]

# 2. 定义池化/下采样操作
maxpool = nn.MaxPool2d(kernel_size=2, stride=2)
avgpool = nn.AvgPool2d(kernel_size=2, stride=2)
global_avgpool = nn.AdaptiveAvgPool2d((1, 1))  # 输出为1x1
# 步幅卷积（下采样），卷积核3x3，步幅2
strided_conv = nn.Conv2d(1, 1, kernel_size=3, stride=2, padding=1, bias=False)
with torch.no_grad():
    strided_conv.weight[:] = 1.0 / 9  # 简单均值卷积，便于可视化

# 3. 应用各方法
img = image.unsqueeze(0)  # [1, 1, 28, 28]
img_maxpool = maxpool(img)
img_avgpool = avgpool(img)
img_global_avgpool = global_avgpool(img)
img_strided_conv = strided_conv(img)

# 4. 可视化所有方法结果
plt.figure(figsize=(14, 3))

plt.subplot(1, 5, 1)
plt.imshow(img[0, 0].cpu().numpy(), cmap='gray')
plt.title('Original\n28x28')
plt.axis('off')

plt.subplot(1, 5, 2)
plt.imshow(img_maxpool[0, 0].cpu().numpy(), cmap='gray')
plt.title('Max Pooling\n14x14')
plt.axis('off')

plt.subplot(1, 5, 3)
plt.imshow(img_avgpool[0, 0].cpu().numpy(), cmap='gray')
plt.title('Avg Pooling\n14x14')
plt.axis('off')

plt.subplot(1, 5, 4)
plt.imshow(img_strided_conv[0, 0].detach().cpu().numpy(), cmap='gray')
plt.title('Strided Conv\n14x14')
plt.axis('off')

# 修正后的全局池化可视化
val = img_global_avgpool[0, 0].cpu().numpy().item()
plt.subplot(1, 5, 5)
plt.imshow(np.ones((5, 5)) * val, cmap='gray')
plt.title('Global Avg Pool\n1x1')
plt.axis('off')

plt.suptitle(f'Pooling/Downsampling Methods on MNIST (Label: {label})')
plt.tight_layout(rect=[0, 0, 1, 0.93])
plt.show()

2. 代码说明

  • 全局平均池化的结果是一个标量，用 val = img_global_avgpool.cpu().numpy().item() 取出后，填充为 5x5 区域进行可视化，避免类型冲突和报错。

  • 其它池化和下采样方法均可正常显示，便于对比理解。

3. Global Average Pooling 全黑原因

  • 全局平均池化（Global Average Pooling）会将整张特征图（如 $28 \times 28$ 的 MNIST 图像）压缩为单一数值（$1 \times 1$），即所有像素的平均值。

  • MNIST 手写数字图片大部分区域是黑色（像素值接近0），只有数字笔画部分为灰白色（像素值较高）。

  • 取平均后，绝大多数像素都是0，只有极少数区域有较高值，所以最终的平均值会非常接近0（远低于0.5），通常在0.0~0.1之间。

  • 当你用 imshow 显示这个结果时，无论你把它扩展成 $5 \times 5$ 还是其他尺寸，所有像素都是同一个极小的灰度值，肉眼看上去就是“几乎全黑”。

  • 假设一张 $28 \times 28$ 的图片，只有数字区域有灰度（如0.8），其余为0。

  • 全局平均池化后，结果大致为：

    平均值=所有像素值之和 / 784平均值
    =784所有像素值之和

  • 由于大部分像素为0，平均值会非常小。

五、池化与下采样的工程实践建议

  • 常用设置：池化窗口$2\times2$，步幅2，能将特征图尺寸减半，信息损失较小。

  • 最大池化 vs 平均池化：最大池化更突出显著特征，适合分类和检测任务；平均池化更平滑，适合特征压缩和过渡。

  • 全局池化：常用于最后一层卷积后，连接全连接层或直接输出分类概率。

  • 步幅卷积替代池化：现代架构（如ResNet、MobileNet）常用步幅卷积实现下采样，提升模型紧凑性。

  • 池化层位置：一般在卷积层后，逐步降低空间分辨率，提升特征抽象层级。

六、未来趋势与研究方向

  • 自适应池化（Adaptive Pooling）：自动调整输出尺寸，适配不同输入大小，提升模型通用性。

  • 空间金字塔池化（SPP, Spatial Pyramid Pooling）：多尺度池化特征融合，提升目标检测、分割等任务表现。

  • 无池化架构：部分新型网络（如全卷积网络FCN、Transformer）采用步幅卷积或全局平均池化，弱化传统池化层作用。

  • 可解释性与可视化：池化对特征图的影响可用于分析模型关注区域、提升AI系统透明度。

七、结语

池化（Pooling）与下采样（Downsampling）是卷积神经网络（CNN）中不可或缺的基础机制，也是深度学习模型实现高效特征提取与空间压缩的关键环节。它们不仅有效降低了特征图的空间分辨率，极大减少了后续网络的参数量和计算负担，还通过提取局部统计特征、抑制噪声和冗余，显著提升了模型的泛化能力和对输入变换的鲁棒性。

池化的多样性和灵活性，如最大池化、平均池化、全局池化、步幅卷积等，为不同任务和网络结构提供了丰富的选择空间。最大池化能够突出显著特征，适合分类和检测等需要区分局部强信号的场景；平均池化则强调特征的平滑与整体表达，适合特征压缩和过渡。全局池化将空间特征聚合为单一数值，是连接卷积与分类头的常用方案；步幅卷积则实现了特征变换与降采样的合一，推动了轻量化和高效CNN架构的发展。

工程实践中，池化与下采样的合理配置直接影响模型的表现与效率。过度池化可能导致信息损失，影响模型识别细节能力；池化过少则会增加计算量，降低泛化能力。因此，设计CNN时应结合具体任务的需求、数据特性和硬件资源，灵活选择池化方式和参数。现代网络架构还常常融合多尺度池化、自适应池化等创新机制，进一步提升模型对复杂场景的适应力。

未来，随着深度学习应用的不断拓展，池化与下采样机制也在持续演进。自适应池化、空间金字塔池化、多模态特征融合等新技术不断涌现，推动CNN在医学影像、自动驾驶、遥感、安防等高精度场景持续突破。同时，池化的可解释性和可视化分析也为模型透明度和AI可信度提供了有力支撑。

掌握并灵活运用池化与下采样，不仅是构建高效CNN模型的基础，更是理解深度学习空间信息处理与特征抽象本质的关键。只有不断探索和创新，才能让AI系统在面对海量数据和复杂环境时，始终保持高效、稳健和智能的表现。

上采样,下采样,卷积,反卷积,池化,反池化,双线性插值【基本概念分析】
zik的博客
11-19 1万+
然而，确实有一些缩放方法能够增加图像的信息，从而使得缩放后的图像质量超过原图质量的。在右边的等式中的字母f(Q11)、f(Q12)、f(Q21)、f(Q22)、x1、x2、x都是已知的，求出的f(x,y1)与f(x,y2）即为R1、R2的像素值。那么就从左上角到右下角，生成卷积之后的矩阵的大小是(5-3+1)*(5-3+1)的矩阵，生成之后的矩阵的元素值，是之前的两个矩阵对应元素的乘积之和；在右边的等式中的字母y1、y2、y都是已知的，f(x,y1)与f(x,y2）即为上一个式子中求出的R1、R2像素值。
卷积神经网络（CNN）池化层的最大池化（Max Pooling）和 平均池化（Average Pooling）
最新发布
JustinMars的博客
02-08 1053
最大池化和平均池化
谈谈池化吧！_CodingPark编程公园
CodingPark 编程公园
04-02 365
@下采样 > 池化 => 采样 包含 池化
下采样和池化的区别
yhblog的博客
03-21 864
下采样（subsampled），或称为降采样（downsampled），指缩小图像。其主要目是使得图像符合显示区域的大小，生成对应图像的缩略图。 池化（Pooling）则是卷积神经网络中一个重要的概念，它是降采样的一种形式。它会压缩输入的特征图，一方面减少了特征，导致了参数减少，进而简化了卷积网络计算时的复杂度；另一方面保持了特征的某种不变性（旋转、平移、伸缩等）。 池化的方法： max-pooling：对邻域内特征点取最大值； mean-pooling：对邻域内特征点求平均。 池化的作用：..
深度学习原理11——池化和下采样
xiaotiig的博客
12-16 6815
池化和卷积类似，但是计算方法不一样，分为最大池化和平均池化，就是对所有相应位置的数求最大或平均值，一般用来降维，将高和宽。而1*1卷积中的降维降的是通道数的维度。 池化的参数未为0 下采样：通过池化等方式减少特征图的宽和高就叫下采样。 ...
Tensorflow学习十一---池化与采样
weixin_45156079的博客
06-29 1138
Tensorflow学习十一—池化与采样 Samping Samping 缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。 放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。对图像的缩放操作并不能带来更多关于该图像的信息, 因此图像的质量将不可避免地受到影响。然而，确实有一些缩放方法能够增加图像的信息
池化（下采样）是什么？图像池化与卷积的区别, my write
小硕算法工程师
01-12 798
首先，介绍一下什么是卷积神经网络。它是使用卷积层（Convolutional layers）的神经网络，基于卷积的数学运算。卷积层由一组滤波器组成，滤波器可以视为二维数字矩阵。这是一个示例3x3滤波器：我们可以将滤波器与输入图像进行卷积来产生输出图像，那么什么是卷积操作呢？具体的步骤如下：1、在图像的某个位置上覆盖滤波器；2、将滤波器中的值与图像中的对应像素的值相乘；3、把上面的乘积加起来，得到的和是输出图像中目标像素的值；4、对图像的所有位置重复此操作。
【机器学习300问】100、怎么理解卷积神经网络CNN中的池化操作？
qq_39780701的博客
05-26 1895
卷积神经网络（CNN）中的，其。池化操作不仅能够减少模型对计算资源的需求，还能增加模型的鲁棒性（对图像中的小变形不敏感），并帮助提取图像的关键特征。
深度之眼Pytorch打卡（十六）：Pytorch卷积神经网络部件——池化、反池化与其他层
意疏的学习笔记
08-18 3587
前言   前面两篇笔记写了卷积神经网络的两个部件，即卷积层与反卷积层，这篇笔记写池化层与反池化层。池化是一种很重要的下采样方法，它像水池一样汇集一个小区域加粗样式内的值，并总结浓缩成一个值输出，常用的有最大池化Maxpooling——选择最大值输出，和平均池化Average Pooling——取平均值作为输出。反池化，是一种和转置卷积类似的上采样方法，在 ...
卷积神经网络中的池化(Pooling)层
AI天才研究院
07-12 529
随机池化特征图中的元素按照其概率值大小随机选择，数值大的元素被选中的概率也大，它不像最大池化只取最大元素值，因此随机池化具有更强的泛化能力。可以在保持池化层功能的同时尽可能减少池化过程中带来的信息损失，更好地保留信息特征并改善网络的性能。最大池化只选择每个矩形子区域中的最大值，即提取特征图中响应最强烈的部分进入下一层，这种操作能够过滤网络中大量的冗余信息，但也会丢失特征图中的一些细节信息。平均池化选择每个矩形子区域中的平均值，可以提取特征图中所有特征的平均信息，从而保留更多的图像背景信息。
【深度学习基本概念】上采样、下采样、卷积、池化
Lizhifun
03-09 8万+
上采样 概念 上采样（upsampling）：又名放大图像、图像插值； 主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上； 上采样有3种常见的方法：双线性插值(bilinear)，反卷积(Transposed Convolution)，反池化(Unpooling)； 原理 上采样原理： 图像放大几乎都是采用内插值方法，即在原有图像像素的基础上在像素点之间采用合适的插值算法插入新的元素。 插值算法还包括了传统插值，基于边缘图像的插值，还有基于区域的图像插值。 下采样 概念
池化（下采样）是什么？图像池化与卷积的区别
Dontla的博客
01-30 1万+
什么是池化 池化层也称下采样层，会压缩输入的特征图，一方面减少了特征，导致了参数减少，进而简化了卷积网络计算时的复杂度；另一方面保持了特征的某种不变性（旋转、平移、伸缩等）。 池化操作主要有两种，一种是平均池化(Average Pooling)，即对邻域内的特征点求平均；另一种是最大池化(Max Pooling)，即对邻域内的特征点取最大。 池化方法特征提取误差主要来自两个部分：一是，邻域大小受限...
理解上采样、下采样、池化
敷衍的
02-16 8457
上采样、下采样 缩小图像（或称为下采样（subsampled）或降采样（downsampled）） 主要目的有两个： 1、使得图像符合显示区域的大小； 2、生成对应图像的缩略图。 放大图像（或称为上采样（upsampling）或图像插值（interpolating）） 主要目的是： 放大原图像,从而可以显示在更高分辨率的显示设备上。对图像的缩放操作并不能带来更多关于该图像的信息, 因此图像的质量将...
都2021年了，不会还有人连深度学习都不了解吧（五）-- 下采样篇
奋斗の博客
06-14 5897
导读 为了保证文章的质量，但又需要顾及写文章的速度，因此，先更新下采样篇，因为上采样篇继续需要一段时间来打磨润色。 下采样方式 下采样代码实现 参考文献 《》 计划 1个字，绝! – CNN中十大令人拍案叫绝的操作 都2021年了，不会还有人连深度学习还不了解吧？（一）-- 激活函数篇 都2021年了，不会还有人连深度学习还不了解吧？（二）-- 卷积篇 都2021年了，不会还有人连深度学习还不了解吧？（三）-- 损失函数篇 都2021年了，不会还有人连深度学习还不了解吧？（四）-- 上采样篇 都202
Pool池化下采样层详解（二）
梦在黎明破晓时的博客
07-14 2421
池化过程类似于卷积过程。上图表示的就是对一个图片邻域内的值，用一个 2x2 的池化kernel，步长为2进行扫描，选择最大值输出，称为最大池化。。还有一种叫平均池化，和最大池化类似，就是将取区域内最大值改为求这个区域的平均值。最大池化操作：将 n x n 尺寸内所有像素值取最大值作为输出通道的像素值。● kernel_size：最大的窗口大小，可以是单值也可以是tuple元组● stride：窗口的步幅（步长），，可以是单值也可以是tuple元组● padding：填充值，
【深度学习】池化 (pooling)
JNing
12-18 9509
【深度学习】池化 (pooling)
CNN详解（卷积层及下采样层）
热门推荐
baidu_14831657的博客
03-06 8万+
CNN详解（卷基层及下采样层） 卷积神经网络包含卷基层、批量归一化层、下采样层、全连接层等。首先来介绍卷基层和下采样层。 1、卷基层（Convolution）
CNN入门讲解：什么是采样层（pooling）
bobo_jiang的博客
01-16 1万+
各位看官老爷们 好久不见 这里是波波给大家带来的CNN卷积神经网络入门讲解 每周我将给大家带来绝对原创，脑洞大开，幽默风趣的深度学习知识点入门讲解 希望大家多多支持，多多关注 微信公众号：follow_bobo 知乎：蒋竺波 今天是平安夜，希望大家未来的日子里平平安安 今年第一次圣诞节在新加坡过 先让我们来看看新加坡的圣诞 看看就好了 上一次我们讲到哪
深度学习中的池化技术：MaxPooling与AvgPooling在CNN图像分类中的应用
"本文介绍了池化在卷积神经网络（CNN）中的应用，特别是Max Pooling和Avg Pooling两种方法，以及CNN的基本结构和学习过程。" 卷积神经网络（CNN）是一种广泛应用于图像识别和分类任务的深度学习模型，其核心特征...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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