池化 干货 | 那些鬼斧神工的池化操作，看完我炸裂！

重叠和区域+最大和平均池

卷积神经网络最基本的结构是卷积层和汇聚层。一般来说，汇聚层的作用是下采样和像素迁移的不变性。按照步骤大小，统筹可分为重叠统筹和区域统筹，如下图所示:

上述池使用窗口中的最大值，因此也称为最大池。除了最大池化，还可以使用平均池化。最大池和平均池的计算方法如下:

图3

其中参数是随机选取的，为0时为平均池，为1时为最大池

02

Lp池

正则化改进的效果优于最大池化，其公式表示如下:

当p=1时，为平均汇集效应

当p等于无穷大时，效果接近最大汇集效果

当p >时。1.同时，它具有平均池和最大池的效果

03

复杂的池

它的工作原理如下:

图示说明如下:

更多的池化方法包括行池化、基于权重的池化等。，以及各种基于池的深度神经网络。总之，选择合适的汇集方式也是一项技术活动！

2021年第一篇原创技术文章，请直接留言支持！

金舟不能凌洋侯志波

尤马不在千里之外