下采样层和池化层的关系及其作用

就我目前看到的资料来说，他们的作用似乎没有差别，在这个方面来说池化层可以理解为下采样层，就是一个东西，两个名字而已。

下面就他们在CNN中的位置、方法和作用作简要的说明。

位置

池化或子采样层通常紧跟在CNN中的卷积层之后。

常用方法

1. 最大值池化（max-pooling）：对邻域内特征点取最大值。
2. 平均值池化（mean-pooling）：对邻域内特征点求平均。

作用

1. 降维，减少网络要学习的参数数量。
2. 防止过拟合。
3. 可以扩大感知野。
4. 可以实现不变性:平移不变性,旋转不变性,尺度不变性。