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
共1个回答
热心网友
时间：2022-06-20 04:24
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。
