Global average Pooling
来源:互联网 发布:mac系统玩国服lol 编辑:程序博客网 时间:2024/05/17 22:27
最近在看关于cifar10 的分类的识别的文章
在看all convolution network 中看到中用到一个global average pooling
下面就介绍一下global average pooling
这个概念出自于 network in network
主要是用来解决全连接的问题,其主要是是将最后一层的特征图进行整张图的一个均值池化,形成一个特征点,将这些特征点组成最后的特征向量
进行softmax中进行计算。
举个例子
假如,最后的一层的数据是10个6*6的特征图,global average pooling是将每一张特征图计算所有像素点的均值,输出一个数据值,
这样10 个特征图就会输出10个数据点,将这些数据点组成一个1*10的向量的话,就成为一个特征向量,就可以送入到softmax的分类中计算了
上图是从PPT中截取的对比全连接与全局均值池化的差异
原文中介绍这样做主要是进行全连接的替换,减少参数的数量,这样计算的话,global average pooling层是没有数据参数的
这也与network in network 有关,其文章中提出了一种非线性的 类似卷积核的mlpconv的感知器的方法,计算图像的分块的值
可以得到空间的效果,这样就取代了pooling的作用,但是会引入一些参数,但是为了平衡,作者提出了使用global average pooling
下面是network in network 中的摘取
下图是是一个基于MLP的局部计算,最后使用global average pooling 的network in network 的结构图
- Global average Pooling
- global average pooling
- Global average Pooling
- Global average Pooling
- 深度卷积网络中的Global average Pooling 层
- 深度学习名词3:global averagepooling&average pooling
- Global Average Pooling对全连接层的可替代性分析
- 深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling
- 深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling
- 图像分类中的max pooling和average pooling
- Pooling
- pooling
- 图像分类中的max pooling和average pooling是对特征的什么来操作的,结果是什么?
- average
- Average
- Average
- Metrics "Global Cache Average CR Get Time" is at 1.273(Unknown):from em 12c
- global
- 网络层相关概念
- iOS dispatch_sync同步应用开发场景 自己的理解
- 机器人
- iOS之友盟分享
- (网络层)IP 协议首部格式与其配套使用的四个协议(ARP,RARP,ICMP,IGMP)
- Global average Pooling
- (网络层)路由协议
- mysql C api 多线程多连接 客户端实现
- 传输层有关概念
- iOS之地图定位简单介绍
- My Teacher Tan
- 实验一、熟悉ORALCE环境并练习SQL操作
- (传输层)UDP协议
- java中的回车换行问题