对CNN中pooling层的理解

前言

自己在学习CNN过程中,查找网上一些资料,对pooling层有了一些理解,记录下来,也供大家参考:

pooling层(池化层)的输入一般来源于上一个卷积层,主要有以下几个作用:

1.保留主要的特征,同时减少下一层的参数和计算量，防止过拟合

2. 保持某种不变性，包括translation(平移)，rotation(旋转)，scale(尺度),常用的有mean-pooling和max-pooling

mean-pooling(平均值)

对一块小区域取平均值,假设pooling的窗大小是2x2,

1.forward:就是在前面卷积层的输出的不重叠地进行2x2的取平均值降采样，就得到mean-pooling的值。举例:

                       
                                                               2x2区域取平均值

     

                                                 不重叠的4个2x2区域分别mean-pooling

2.backward:把一个值分成四等分放到前面2x2的格子区域里面就好了。举例: