深度学习: pooling (池化 / 降采样)
来源:互联网 发布:pc 触屏 手势软件 编辑:程序博客网 时间:2024/05/17 09:03
在知乎上面看到一个关于池化的神解释,摘来:
出处:深度学习cnn中,怎么理解图像进行池化(pooling)后的平移不变性?
池化=涨水卷积的目的是为了得到物体的边缘形状可以想象水要了解山立体的形状水位低时得出山脚的形状水位中等时得出山腰的形状水位高时得出山顶的形状三点就可以大致描出山的简笔画池化的过程=升高水位(扩大矩阵网格)卷积的过程是区分哪里是水,哪里是山
加上一点个人理解:
对于网络结构而言,上面的层看下面的层经过pooling后传上来的特征图,就好像在太空上俯瞰地球,看到的只有山脊和雪峰。这即是对特征进行宏观上的进一步抽象。
那么为什么需要 进行抽象 呢?
因为:经过池化后,得到的是 概要统计特征 。它们不仅 具有低得多的维度 (相比使用所有提取得到的特征),同时还会 改善结果(不容易过拟合) 。
max_pooling: 夜晚的地球俯瞰图,灯光耀眼的穿透性让人们只注意到最max的部分,产生亮光区域被放大的视觉错觉。故而 max_pooling 对纹理提取更好。
average_pooling: 白天的地球俯瞰图,幅员辽阔的地球表面,仿佛被经过了二次插值的缩小,所有看到的都是像素点取平均的结果。故而 average_pooling 对背景保留更好。
选用 max_pooling 还是 average_pooling ,要看需要识别的图像细节特征情况。知乎上说 二者差异不会超过 2% ,这个我深表质疑。
阅读全文
1 0
- 深度学习: pooling (池化 / 降采样)
- 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, cnn,本质不是深而是卷积pooling,验证。
- 深度学习名词3:global averagepooling&average pooling
- 深度学习---之pooling层的作用与缺陷
- 池化pooling
- pooling 与 unpooling 深度解析
- 深度学习基础(七)—— Gibbs 采样
- 【深度学习论文笔记】Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- 深度学习研究理解7:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- 深度学习论文笔记-Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- 深度学习论文笔记:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
- 深度学习, cnn,本质不是深而是卷积pooling,验证ok。
- 深度学习 基础概念扫盲 上下采样 深度学习基础简介 写的通俗易懂的文章
- 随机采样池化--S3Pool: Pooling with Stochastic Spatial Sampling
- 示波器的采样频率与采样深度
- 写点什么?
- Element之获取子节点方法
- unittest框架实战(三)
- java gc机制算法详解
- Git使用手册:git push 推送提交本地仓库代码文件到远程仓库
- 深度学习: pooling (池化 / 降采样)
- 性能优化工具1——android studio monitors 之 start allocation tracking
- canvas——rotate
- 如何优雅的选择字体(font-family)
- 本周资讯top3 【越狱苹果】独家探寻阿里安全潘多拉实验室,完美越狱苹果iOS11.2.1 知道如何从攻击的视角去发现漏洞,才能建立更安全的体系,促进了整个生态的良性发展。以阿里安全潘多拉实验室为例
- hibernate注解
- cpu之ALUSrc_Reg
- 阿里架构师告诉你成为Java架构师的知识体系是什么样的
- ios 2017年CocoaPods安装教程