本文探讨了下采样在保持模式识别的同时减小图像尺寸的重要性，介绍了汇聚（如最大汇聚和平均汇聚）作为固定操作符用于减少计算量，以及卷积、汇聚、扁平化和全连接层在经典图像识别网络中的作用。
一、观察3：下采样不影响模式检测
把一张比较大的图像做下采样（downsampling），把图像偶数的列都拿掉，奇数的行都拿掉，图像变成为原来的 1/4，但是不会影响里面是什么东西。如图，把一张大的鸟的图像缩小，这张小的图像还是一只鸟。
二、简化3：汇聚
汇聚比较像 Sigmoid、 ReLU 等激活函数，因为它里面是没有要学习的参数的，它就是一个操作符（operator），其行为都是固定好的。
每个滤波器都产生一组数字，要做汇聚的时候，把这些数字分组，可以 2 × 2个一组，3 × 3、4 × 4 也可以。
汇聚有很多不同的版本，以最大汇聚（max pooling） 为例。最大汇聚在每一组里面选一个代表，选的代表就是最大的一个。
最大汇聚结果：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
