pooling 与 unpooling 深度解析

pooling 和 unpooling这两种具体实现方式对应到神经网络的技术上就是downsampling和unsampling。两者在神经网络的系列方法中都使用较多，下面将从总体上分析两者的作用。

下采样(downsampling)

下采样是神经网络设计的必要方法，其主要作用是浓缩图像，减少运算量；另外一方面是扩大特征像素点对应的感知野，忽略掉一些细微的噪声信息，取得更好的检测等任务的效果。

上采样(upsampling)

我们知道，神经网路的设计过程中，深度较高的feature map基本丢失了检测任务中细小物体的信息，而较为底层的feature map则可以很好的表征出这种信息。 处于图像深度的信息以及检测的需要，使用到了上采样去检测细小物体。

大体上，从应用角度而言，这便是两者在目标检测领域的基本作用。