卷积神经网络pooling层有什么用
发布网友
发布时间:2022-04-29 05:53
我来回答
共1个回答
热心网友
时间:2022-06-20 04:24
pooling
理论在于,图像中相邻位置的像素是相关的。对一幅图像每隔一行采样,得到的结果依然能看。
经过一层卷积以后,输入的图像尺寸变化不大,只是缩小了卷积核-1。根据相邻数据的相关性,在每个nxn区域内,一般2x2,用一个数代表原来的4个数,这样能把数据缩小4倍,同时又不会损失太多信息。
一副24*24的图像。用5*5卷积核卷积,结果是20*20(四周各-2),经过2*2池化,变成10*10.
通过池化,数据规模进一步缩小,训练所需时间从而降低。