深度卷积网络中的Global average Pooling 层
来源:互联网 发布:网络对唱歌曲大全 编辑:程序博客网 时间:2024/06/06 09:17
最近在看SSD物体检测,文中提到了 global average pooling 这里参考这篇博客,说的也比较详细,现转载,日后研究
http://blog.csdn.net/losteng/article/details/51520555
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
- 深度卷积网络中的Global average Pooling 层
- 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
- Global average Pooling
- global average pooling
- Global average Pooling
- Global average Pooling
- 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
- 图像分类中的max pooling和average pooling
- 【深度学习】caffe之pooling层
- 深度学习中的「卷积层」如何深入理解?
- 深度学习中的「卷积层」如何深入理解?
- 深度学习, cnn,本质不是深而是卷积pooling,验证。
- 卷积网络层计算
- 深度卷积网络
- 深度卷积网络实例
- 理解深度卷积网络
- AndroidStudio 中的 Android plugin version与Gradle version、SDK Build Tools之间的关系
- Out of memory: kill process 6184 (XXX) score 166 or a child Killed process 6184 (XXX)
- 【Windows DOS】如何复制命令提示符窗口的内容?
- C语言经典书籍推荐
- Google官方下拉刷新组件---SwipeRefreshLayout
- 深度卷积网络中的Global average Pooling 层
- SpringMVC源码总结(十)自定义HandlerMethodArgumentResolver
- 【后台学习】MyEclipse+Maven+Tomcat的安装和配置
- PHP 含换行符的字符串复制给js变量的方法
- eclipse插件egit操作
- 图像拼接-硬拼接
- 【Leetcode】9. Palindrome Number
- #585 – 隧道事件沿逻辑树从上至下传递(Tunneling Events Propagate Down the Logical Tree)
- iOS语音通话(语音对讲)