Collect from 网页模板
Modified by 追梦人物的博客

平均池化和最大池化的区别和使用场景

1.平均池化:AdaptiveAvgPool2d,主要用于:当map中的信息都应该有所贡献的时候,例如图像分割中常用global avgpool来获取全局上下文关系,再例如224x224图像分类将最后的7x7map进行avgpool而不是maxpool,是因为网络深层的高级语义信息一般来说都能帮助分类器分类。例子:
- 语义分割中的ASPP和pspnet中用global avgpool来获取全局上下文关系
- ResNet在输入全连接层之前利用Kernel Size=7的AvgPooling来降维

2.最大池化:Maxpool2d,主要为了减少无用信息的影响时用maxpool,比如网络浅层常常见到maxpool,因为开始几层对图像而言包含较多的无关信息。同时,最大池化是为了降低特征的维度,同时提取更好的、具有更强烈的语义信息的特征.例子:
- 神经网络的浅层部分常用最大池化降维度
- VGGNet中使用MaxPooling来对特征进行降维,同时提取出特征中响应最大、最强烈的部分来输入下一个阶段的模块

3.传统图像角度:
- 最大池化可以提取特征纹理
- 平均池化可以保留背景信息

by fuweifu


发表评论

评论列表,共 0 条评论

    暂无评论