pooling 与 unpooling 深度解析
来源:互联网 发布:酉阳县农村淘宝 编辑:程序博客网 时间:2024/06/06 03:33
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。
阅读全文
1 0
- pooling 与 unpooling 深度解析
- LLC算法coding与pooling解析
- LLC算法coding与pooling解析
- 深度学习---之pooling层的作用与缺陷
- ROI Pooling层解析
- 深度学习介绍(五)pooling
- 深度学习之caffe Layers-Pooling池化层
- 【深度学习】caffe之pooling层
- 深度学习: pooling (池化 / 降采样)
- ViewPager与PagerAdapter深度解析
- ViewPager与PagerAdapter深度解析
- Pooling
- pooling
- 深度解析函数调用与变量存储
- 深度剖析 Android音频系统解析与改进
- 宏与内联函数 深度解析
- 深度学习术语表与解析
- Git流程理解与深度解析
- django 1.11 报表:django.template.exceptions.TemplateDoesNotExist:
- [USACO5.3]巨大的牛棚Big Barn
- linux内核中断底半部
- 加速度传感器和声发射传感器可以互相代替吗?
- Jedis几个简单测试例子
- pooling 与 unpooling 深度解析
- 关于python的基础知识0-- How To Program
- Java中常用函数汇总
- git 提交代码
- ImageLoader的加载工具类
- iOS开发笔记——TableView Separatorinset 分割线从边框顶端开始
- mac Homebrew安装的软件注意
- Hinton Neural Networks课程笔记3a:线性神经元的学习算法
- HTTP缓存机制详解